一种基于模型迁移的十二指肠自训练分类方法及系统技术方案

本发明专利技术公开了一种基于模型迁移的十二指肠自训练分类方法及系统，方法包括：对包含大量预设部位图像的图像集进行预处理，提取预设部位的特征向量，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型；利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型；将待分类的十二指肠图像进行预处理，输入到十二指肠自训练分类模型中，计算图像类型的概率，得到正常十二指肠或十二指肠溃疡的分类结果。本发明专利技术排除人为因素的影响，在十二指肠标注样本极少的情况下有效的提高分类的准确率。

【技术实现步骤摘要】
一种基于模型迁移的十二指肠自训练分类方法及系统
本专利技术涉及医学图像智能处理
，具体涉及一种基于模型迁移的十二指肠自训练分类方法及系统。
技术介绍
十二指肠溃疡是我国人群中常见病、多发病之一，是消化性溃疡的常见类型，多发于气候变化较大的冬春两季，男性发病率明显高于女性。与胃酸分泌异常、幽门螺杆菌(Hpylori)感染、非甾体抗炎药(NSAID)、生活及饮食不规律、工作及外界压力、吸烟、饮酒以及精神心理因素密切相关。十二指肠溃疡多发生在十二指肠球部，以前壁居多，其次为后壁、下壁、上壁，目前，胃镜技术在十二指肠溃疡诊断方面效果显著，被推荐为十二指肠溃疡的主要诊断方法，胃镜检查可对十二指肠黏膜进行直接观察、摄像，还可在直视下取活组织作病理学检查，是诊断十二指肠溃疡的主要方法，但是由于人为因素例如医生的经验水平不一致，或者疏忽等特殊情况会直接影响最后的十二指肠溃疡诊断情况，同时人眼观察胃镜图片也会耗费大量的时间，以及由于人工检测十二指肠溃疡存在数据集的严重不足使得分类模型不准确，检测效率低的问题。
技术实现思路
因此，本专利技术提供的一种基于模型迁移的十二指肠自训练分类方法及系统，克服了现有技术中由于数据集的严重不足使得分类模型不准确，检测效率低的缺陷。为达到上述目的，本专利技术提供如下技术方案：第一方面，本专利技术实施例提供一种基于模型迁移的十二指肠自训练分类方法，包括：对包含大量预设部位图像的图像集进行预处理，提取预设部位的特征向量，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型；利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型；将待分类的十二指肠图像进行预处理，输入到十二指肠自训练分类模型中，计算图像类型的概率，得到正常十二指肠或十二指肠溃疡的分类结果。在一实施例中，对图像进行预处理包括：将预设部位和十二指肠的图像经过旋转、缩放、平移、水平翻转、剪裁以及标准化处理。在一实施例中，所述预设部位包括胃部及其它脏器。在一实施例中，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型的步骤，包括：通过对Efficient-B3网络深度、宽度和输入图像分辨率进行综合的调整，在Efficient-B3的输出上增加一个预设数值的分类器得到分类模型，将预设部位的特征向量输入到分类模型进行微调，得到预设部位的分类模型。在一实施例中，利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型的步骤，包括：将预设部位分类模型中预设数值的分类器替换为一个二分类器，采用预设分类函数进行分类获得其模型概率的数值，使用预设损失函数进行损失计算，得到迁移的模型；二分类初始的训练集包含预设张数的正常和溃疡的十二指肠溃疡图像，利用数据增强过的训练集对迁移的模型进行训练，得到十二指肠二分类模型，从未标注样本中挑选出打分较高的正常和溃疡的十二指肠溃疡图像放入训练集中，重新对十二指肠二分类模型进行训练，当损失函数值最小时，迁移模型收敛，完成十二指肠自训练模型的训练。在一实施例中，通过以下公式计算预设损失值：其中，CE是CrossEntropy交叉熵损失函数，ytrue(xi)是预设部位图片xi的输出概率，ypred(xi)是预设部位图片xi对应的样本真实标签。第二方面，本专利技术实施例提供一种基于模型迁移的十二指肠自训练分类系统，包括：预设部位分类模型获取模块，用于对包含大量预设部位图像的图像集进行预处理，提取预设部位的特征向量，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型；模型迁移模块，用于利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型；十二指肠自训练分类模块，用于将待分类的十二指肠图像进行预处理，输入到十二指肠自训练分类模型中，计算图像类型的概率，得到正常十二指肠或十二指肠溃疡的分类结果。第三方面，本专利技术实施例提供一种终端，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本专利技术实施例第一方面所述的基于模型迁移的十二指肠自训练分类方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本专利技术实施例第一方面所述的基于模型迁移的十二指肠自训练分类方法。本专利技术技术方案，具有如下优点：本专利技术提供的一种基于模型迁移的十二指肠自训练分类方法及系统，首先基于Efficientnet-B3进行胃部四分类训练，其次，将胃部四分类训练的模型迁移到十二指肠少样本二分类任务上，并结合自训练从无标签样本中提取出打分较高的样本加入到十二指肠训练集中训练，通过本专利技术排除人为因素的影响，在十二指肠标注样本极少的情况下有效的提高分类的准确率。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于模型迁移的十二指肠自训练分类方法的一个具体示例的流程图；图2为本专利技术实施例提供的一种基于模型迁移的十二指肠自训练分类系统的模块组成图；图3为本专利技术实施例提供的一种终端一个具体示例的组成图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。实施例1本专利技术实施例提供的一种基于模型迁移的十二指肠自训练分类方法，如图1所示，包括如下步骤：步骤S1：对包含大量预设部位图像的图像集进行预处理，提取预设部位的特征向量，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型。在本专利技术实施例中，所述预设部位包括胃部及其它脏器，仅以此举例，不以此为限，在实际应用中根据实际需求选择相应的部位，本专利技术实施例以胃部作为举例说明；对图像进行预处理包括：将预设部位和十二指肠的图像经过旋转、缩放、平移、水平翻转、剪裁以及标准化处理，其中缩放是将所有不同输入图像的本文档来自技高网...

【技术保护点】
1.一种基于模型迁移的十二指肠自训练分类方法，其特征在于，包括：/n对包含大量预设部位图像的图像集进行预处理，提取预设部位的特征向量，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型；/n利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型；/n将待分类的十二指肠图像进行预处理，输入到十二指肠自训练分类模型中，计算图像类型的概率，得到正常十二指肠或十二指肠溃疡的分类结果。/n

【技术特征摘要】
1.一种基于模型迁移的十二指肠自训练分类方法，其特征在于，包括：
对包含大量预设部位图像的图像集进行预处理，提取预设部位的特征向量，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型；
利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型；
将待分类的十二指肠图像进行预处理，输入到十二指肠自训练分类模型中，计算图像类型的概率，得到正常十二指肠或十二指肠溃疡的分类结果。


2.根据权利要求1所述的基于模型迁移的十二指肠自训练分类方法，其特征在于，对图像进行预处理包括：将预设部位和十二指肠的图像经过旋转、缩放、平移、水平翻转、剪裁以及标准化处理。


3.根据权利要求2所述的基于模型迁移的十二指肠自训练分类方法，其特征在于，所述预设部位包括胃部及其它脏器。


4.根据权利要求3所述的基于模型迁移的十二指肠自训练分类方法，其特征在于，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型的步骤，包括：
通过对Efficient-B3网络深度、宽度和输入图像分辨率进行综合的调整，在Efficient-B3的输出上增加一个预设数值的分类器得到分类模型，将预设部位的特征向量输入到分类模型进行微调，得到预设部位的分类模型。


5.根据权利要求1所述的基于模型迁移的十二指肠自训练分类方法，其特征在于，利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型的步骤，包括：
将预设部位分类模型中预设数值的分类器替换为一个二分类器，采用预设分类函数进行分类获得其模型概率的数值，使用预设损失函数进行损失计算，得到迁移的模型；
二分类初始的训练集包...

【专利技术属性】
技术研发人员：戴捷，李亮，
申请(专利权)人：紫东信息科技苏州有限公司，
类型：发明
国别省市：江苏;32