CN113362329B 病灶检测模型的训练方法及识别图像中的病灶的方法 （北京航空航天大学杭州创新研究院）

院US2021012145A1,2021.病灶检测模型的训练方法及识别图像中的本发明实施例公开了病灶检测模型的训练数量的样本输入至初始病灶检测模型的特征提2从所述训练集中选取第一预设数量的超声图像样本输入至初始病灶检测模型的特征将所述第一预设数量的超声图像样本对应的第二特征图输入至所述初始病灶检测模根据每个所述超声图像对应的病灶位置信息和病灶类别，及所述病所述第一注意力子模块还用于利用所述第一卷积层得到所述初始特征图的第一特征所述第二注意力子模块还用于利用所述第二卷积层获取所述初始特征图得到第二特3所述ResNet-50模型中的第三阶段、第四阶段及第五阶段中的最后一个残差模块内的将所述待检测超声图像输入至病灶检测模型的特征提对应的第二特征图，其中所述病灶检测模型通过如权利要求1-5任一项所述的病灶检测模将所述待检测超声图像对应的第二特征图输入至所述病灶检测模特征提取模块，用于从所述训练集中选取第一预设数量的超声图预测模块，用于将所述第一预设数量的超声图像样本对应特征输出模块，用于将所述待检测超声图像输入至病灶所述待检测超声图像对应的第二特征图，其中所述病灶检测模型通过如权利要求1-5任一序，所述计算机程序在所述处理器上运行时执行如权利要求1-5任一项所述的病灶检测模4程序，所述计算机程序在处理器上运行时执行如权利要求1-5任一项所述的病灶检测模型5[0003]有鉴于此，本发明提供一种病灶检测模型的训练方法及识别图像中的病灶的方[0006]从训练集中选取第一预设数量的超声图像样本输入至初始病灶检测模型的特征[0007]将第一预设数量的超声图像样本对应的第二特征图输入至初始病灶检测模型的67[0037]通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含8[0042]参照图1，图1示出了本发明实施例提供的病灶检测模型的训练方法的流程示意置信息和病灶类别后，便能对初始病灶检测模型的预测结果进行损失计算以完成模型训[0054]对所有所述超声图像样本进行数据增强处理，得到第三预设数量的超声图像样9块和第二注意力子模块，第一注意力子模块用于根据获取到的初始特征图得到第一特征[0075]示范性的，在本发明实施例提供的一种用于检测乳腺癌病灶[0081]可选的，将第一特征图转换为大小为（h×w）的第一特征向量的过程可利用为（h×w）的第二特征向量的过程可利用squeeze()函数实现；第二激活函数层可由[0095]loss=lcls+lobj+lbox2[0102]ResNet-50模型中的第三阶段、第四阶段及第五阶段中的最后一个残差模块内的[0111]从归一化处理后的训练集中选取第一预设数量的超声图像样本输入至初始病灶[0117]S330，将待检测超声图像对应的第二特征图输入至病灶检测[0120]参照图8，图8示出了本发明实施例提供的病灶检测模型的训练装置的结构示意[0122]特征提取模块420，用于从训练集中选取第一预设数量的超声图像样本输入至初[0123]预测模块430，用于将第一预设数量的超声图像样本对应的第二特征图输入至初[0125]可以理解的是，本发明实施例3公开的病灶检测模型的训练装置的技术方案通过测模型的训练方法所涉及的实施方案以及有益效果在本实施例中同样适用，在此不再赘[0127]参照图9，图9示出了本发明实施例提供的识别图像中的病灶的装置的结构示意[0130]检测模块530，用于将待检测超声图像对应的第二特征图输入至病灶检测模型的[0131]可以理解的是，本发明实施例4公开的识别图像中的病灶的装置的技术方案通过像中的病灶的方法所涉及的实施方案以及有益效果在本实施例中同样适用，在此不再赘机程序，计算机程序在处理器上运行时执行如实施例1中任一种公开的病灶检测模型的训机程序，计算机程序在处理器上运行时执行如实施例1中任一种公开的病灶检测模型的训图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架