[发明专利]基于任务自适应神经网络架构搜索的肿瘤图像检测方法

权利要求书

1.基于任务自适应神经网络架构搜索的肿瘤图像检测方法，其特征在于，包括以下步骤：

S1.以已有肿瘤图像检测信息设计并训练网络模块的结构参数和网络参数，得到任务自适应神经网络模块；

S2.利用拟检测肿瘤图像的检测任务调整步骤S1得到的所述任务自适应神经网络模块的结构参数，获得与所述拟检测肿瘤图像的检测任务相适配的任务自适应神经网络；

S3.采用步骤S2获得的所述任务自适应神经网络作为特征提取网络，用于处理所述拟检测肿瘤图像，输出所述拟检测肿瘤图像目标域的多通道特征向量；

S4.整合步骤S3所述多通道特征向量后，输入至三层级联的多目标检测网络，得到所述拟检测肿瘤图像的检测框以及检测任务结果；

其中，步骤S1具体包括：

S11.定义网络模块内的节点，并设定运算方式和系数；

S12.步骤S11定义的节点间的连接存在综合操作，该综合操作包括若干步骤S11设定的运算方式，将运算方式所对应的系数采用加权平均法进行处理，从而将所述节点的连接形式转换成连续的参数，得到结构参数；

S13.定义所述网络模块内各节点中卷积核权重和偏置量模型参数为网络参数；

S14.使用分步更新参数方法、同步更新参数方法中的任意一种或两种，训练所述结构参数和所述网络参数；

S15.利用步骤S14训练所得的所述结构参数解析出最大概率的节点连接形式；

步骤S2具体包括：

S21.将所述拟检测肿瘤图像的检测任务信息输入步骤S1得到的所述任务自适应神经网络模块，所述任务自适应神经网络模块根据所述拟检测肿瘤图像的检测任务信息调整所述结构参数；

S22.随机初始化所述网络参数，获得与步骤S21中所述拟检测肿瘤图像的检测任务适配的任务自适应神经网络。

2.根据权利要求1所述的基于任务自适应神经网络架构搜索的肿瘤图像检测方法，其特征在于，步骤S14中，

所述分步更新参数方法具体包括：随机初始化结构参数和网络参数，在训练任务下采样出两个子任务，分别训练结构参数和网络参数；

所述同步更新参数方法具体包括：随机初始化结构参数和网络参数，使用训练任务对结构参数和网络参数进行同步更新。

3.根据权利要求1中任意一项所述的基于任务自适应神经网络架构搜索的肿瘤图像检测方法，其特征在于，步骤S3中，所述多通道特征向量的尺寸与步骤S4所述多目标检测网络要求相符。

4.根据权利要求3所述的基于任务自适应神经网络架构搜索的肿瘤图像检测方法，其特征在于，步骤S4具体包括：

S41.整理合并步骤S3中输出的拟检测肿瘤图像目标域的多通道特征向量，并将整理合并的结果输出至区域选取网络中进行处理，获得一系列候选框；

S42.选取若干感兴趣区域头部网络处理步骤S41获得的所述候选框，输出所述拟检测肿瘤图像的检测框以及检测任务结果。

5.根据权利要求4所述的基于任务自适应神经网络架构搜索的肿瘤图像检测方法，其特征在于，步骤S41具体包括：

S411.整理合并步骤S3中由所述任务自适应神经网络各层级输出的特征向量，获得一组特征图；

S412.所述区域选取网络选取步骤S411中所述特征图之一进行滑动窗口处理，通过全连接得到由表征分数的特征图和表征坐标的特征图组成的候选框。

6.根据权利要求4所述的基于任务自适应神经网络架构搜索的肿瘤图像检测方法，其特征在于，步骤S42具体包括：

S421.所述感兴趣区域头部网络对所述候选框进行随机筛选和剪裁；

S422.通过全连接层对步骤S421中裁剪得到的特征图进行分类和回归，并输出回归结果。

7.根据权利要求6所述的基于任务自适应神经网络架构搜索的肿瘤图像检测方法，其特征在于，步骤S422中采用非极大抑制方法处理所述回归结果。