肺结节检测模型构建优化方法、设备、存储介质及产品技术

本申请公开了一种肺结节检测模型构建优化方法、设备、存储介质及产品，所述肺结节检测模型构建优化方法包括：获取本地训练样本集中的难例肺结节样本集，并基于难例肺结节样本集，通过与第二设备进行联邦学习建模，构建联邦肺结节检测模型；基于所述联邦肺结节检测模型和所述本地训练样本集，迭代优化待训练本地肺结节检测模型，获得目标肺结节检测模型。本申请解决了肺结节检测模型检测准确度低的技术问题。术问题。术问题。

【技术实现步骤摘要】
肺结节检测模型构建优化方法、设备、存储介质及产品


[0001]本申请涉及人工智能
，尤其涉及一种肺结节检测模型构建优化方法、设备、存储介质及产品。

技术介绍

[0002]随着计算机技术的不断发展，人工智能的应用也越来越广泛，例如，在肺结节检测领域，可利用大数据集学习所得到的肺结节检测模型能自动分割胸腔区域，快速准确地定位疑似肺结节的病灶，目前，通常基于本地的肺结节图像数据本地构建肺结节检测模型，但是，该肺结节检测模型常常会将疑似肺结节而实际上不是肺结节的图像区域识别为病灶区域，也即该肺结节检测模型对肺结节图像中的难例样本识别效果不佳，所以，现有的肺结节检测模型的检测准确度还有待提升。

技术实现思路

[0003]本申请的主要目的在于提供一种肺结节检测模型构建优化方法、设备、存储介质及产品，旨在解决现有技术中肺结节检测模型检测准确度低的技术问题。
[0004]为实现上述目的，本申请提供一种肺结节检测模型构建优化方法，所述肺结节检测模型构建优化方法应用于第一设备，所述肺结节检测模型构建优化方法包括：
[0005]获取本地训练样本集中的难例肺结节样本集，并基于难例肺结节样本集，通过与第二设备进行联邦学习建模，构建联邦肺结节检测模型；
[0006]基于所述联邦肺结节检测模型和所述本地训练样本集，迭代优化待训练本地肺结节检测模型，获得目标肺结节检测模型。
[0007]可选地，所述基于所述联邦肺结节检测模型和所述本地训练样本集，迭代优化本地肺结节检测模型，获得目标肺结节检测模型的步骤包括：
[0008]基于所述本地训练样本集，对所述待训练本地肺结节检测模型进行迭代训练优化，获得本地肺结节检测模型；
[0009]基于第一初始模型权重和第二初始模型权重，对所述联邦肺结节检测模型和所述本地肺结节检测模型进行聚合，获得聚合肺结节检测模型；
[0010]基于所述本地训练样本集，迭代训练优化所述聚合肺结节检测模型，获得所述目标肺结节检测模型。
[0011]可选地，所述基于所述本地训练样本集，迭代训练优化所述聚合肺结节检测模型，获得所述目标肺结节检测模型的步骤包括：
[0012]在所述本地训练样本集中提取本地训练样本和所述本地训练样本对应的训练样本标签；
[0013]基于所述聚合肺结节检测模型，对所述本地训练样本执行模型预测，获得聚合模型预测结果；
[0014]基于所述聚合模型预测结果和所述训练样本标签，计算聚合模型损失；
[0015]基于所述聚合模型损失，优化所述聚合肺结节检测模型对应的聚合权重，获得所述目标肺结节检测模型。
[0016]可选地，所述基于所述联邦肺结节检测模型和所述本地训练样本集，迭代优化所述本地肺结节检测模型，获得目标肺结节检测模型的步骤包括：
[0017]在所述本地训练样本集中选取非难例训练样本和难例训练样本；
[0018]计算所述非难例训练样本在所述待训练本地肺结节检测模型上的第一模型预测损失；
[0019]计算所述难例训练样本在所述待训练本地肺结节检测模型上的第二模型预测损失，并计算所述难例训练样本在所述待训练本地肺结节检测模型与所述联邦肺结节检测模型之间的模型蒸馏总损失；
[0020]基于所述第一模型预测损失、所述第二模型预测损失和所述模型蒸馏总损失，迭代优化待训练本地肺结节检测模型，获得所述目标肺结节检测模型。
[0021]可选地，所述计算所述难例训练样本在所述待训练本地肺结节检测模型与所述联邦肺结节检测模型之间的模型蒸馏总损失的步骤包括：
[0022]获取所述待训练本地肺结节模型中的特征提取器对所述难例训练样本进行特征提取生成的第一中间样本特征，以及获取所述待训练本地肺结节模型对所述难例训练样本执行模型预测生成的第一难例模型预测结果；
[0023]获取所述联邦肺结节检测模型中的特征提取器对所述难例训练样本进行特征提取生成的第二中间样本特征，以及获取所述联邦肺结节检测模型对所述难例训练样本执行模型预测生成的第二难例模型预测结果；
[0024]基于所述第一中间样本特征和所述第二中间样本特征之间的差异度，计算第一模型蒸馏损失；
[0025]基于所述第一难例模型预测结果和所述第二难例模型预测结果之间的差异度，计算第二模型蒸馏损失；
[0026]对所述第一模型蒸馏损失和所述第二模型蒸馏损失进行聚合，获得所述模型蒸馏总损失。
[0027]可选地，所述基于所述第一模型预测损失、所述第二模型预测损失和所述模型蒸馏总损失，迭代优化待训练本地肺结节检测模型，获得所述目标肺结节检测模型的步骤包括：
[0028]对所述第一模型预测损失、所述第二模型预测损失和所述模型蒸馏总损失进行加权组合，获得模型总损失；
[0029]判断所述模型总损失是否收敛，若所述模型总损失收敛，则将所述待训练本地肺结节检测模型作为所述目标肺结节检测模型；
[0030]若所述模型总损失未收敛，则基于所述模型总损失，更新所述待训练本地肺结节检测模型，并返回执行步骤：在所述本地训练样本集中选取非难例训练样本和难例训练样本。
[0031]可选地，所述模型蒸馏总损失包括对比学习总损失，
[0032]所述计算所述难例训练样本在所述待训练本地肺结节检测模型与所述联邦肺结节检测模型之间的模型蒸馏总损失的步骤包括：
[0033]获取所述待训练本地肺结节模型中的特征提取器对至少一个所述难例训练样本进行特征提取生成的第一中间样本特征，以及所述联邦肺结节检测模型中的特征提取器对至少一个所述难例训练样本进行特征提取生成的第二中间样本特征；
[0034]基于各所述第一中间样本特征和各所述第二中间样本特征，构建所述对比学习总损失。
[0035]可选地，所述目标肺结节检测模型包括目标检测模型和分类模型，
[0036]在所述基于所述联邦肺结节检测模型和所述本地训练样本集，迭代优化待训练本地肺结节检测模型，获得目标肺结节检测模型的步骤之后，所述肺结节检测模型构建优化方法还包括：
[0037]获取待检测目标对应的待预测肺结节图像，并基于所述目标检测模型，对所述待预测肺结节图像进行目标检测，获得目标检测结果；
[0038]通过所述分类模型对所述目标检测结果进行分类，对所述待检测目标进行肺结节检测，获得肺结节检测结果。
[0039]本申请还提供一种肺结节检测模型构建优化装置，所述肺结节检测模型构建优化装置为虚拟装置，且所述肺结节检测模型构建优化装置应用于第一设备，所述肺结节检测模型构建优化装置包括：
[0040]联邦学习建模模块，用于获取本地训练样本集中的难例肺结节样本集，并基于难例肺结节样本集，通过与第二设备进行联邦学习建模，构建联邦肺结节检测模型；
[0041]迭代优化模块，用于基于所述联邦肺结节检测模型和所述本地训练样本集，迭代优化待训练本地肺结节检测模型，获得目标肺结节检测模型。
[0042]可选地，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺结节检测模型构建优化方法，其特征在于，应用第一设备，所述肺结节检测模型构建优化方法包括：获取本地训练样本集中的难例肺结节样本集，并基于难例肺结节样本集，通过与第二设备进行联邦学习建模，构建联邦肺结节检测模型；基于所述联邦肺结节检测模型和所述本地训练样本集，迭代优化待训练本地肺结节检测模型，获得目标肺结节检测模型。2.如权利要求1所述肺结节检测模型构建优化方法，其特征在于，所述基于所述联邦肺结节检测模型和所述本地训练样本集，迭代优化本地肺结节检测模型，获得目标肺结节检测模型的步骤包括：基于所述本地训练样本集，对所述待训练本地肺结节检测模型进行迭代训练优化，获得本地肺结节检测模型；基于第一初始模型权重和第二初始模型权重，对所述联邦肺结节检测模型和所述本地肺结节检测模型进行聚合，获得聚合肺结节检测模型；基于所述本地训练样本集，迭代训练优化所述聚合肺结节检测模型，获得所述目标肺结节检测模型。3.如权利要求2所述肺结节检测模型构建优化方法，其特征在于，所述基于所述本地训练样本集，迭代训练优化所述聚合肺结节检测模型，获得所述目标肺结节检测模型的步骤包括：在所述本地训练样本集中提取本地训练样本和所述本地训练样本对应的训练样本标签；基于所述聚合肺结节检测模型，对所述本地训练样本执行模型预测，获得聚合模型预测结果；基于所述聚合模型预测结果和所述训练样本标签，计算聚合模型损失；基于所述聚合模型损失，优化所述聚合肺结节检测模型对应的聚合权重，获得所述目标肺结节检测模型。4.如权利要求1所述肺结节检测模型构建优化方法，其特征在于，所述基于所述联邦肺结节检测模型和所述本地训练样本集，迭代优化所述本地肺结节检测模型，获得目标肺结节检测模型的步骤包括：在所述本地训练样本集中选取非难例训练样本和难例训练样本；计算所述非难例训练样本在所述待训练本地肺结节检测模型上的第一模型预测损失；计算所述难例训练样本在所述待训练本地肺结节检测模型上的第二模型预测损失，并计算所述难例训练样本在所述待训练本地肺结节检测模型与所述联邦肺结节检测模型之间的模型蒸馏总损失；基于所述第一模型预测损失、所述第二模型预测损失和所述模型蒸馏总损失，迭代优化待训练本地肺结节检测模型，获得所述目标肺结节检测模型。5.如权利要求4所述肺结节检测模型构建优化方法，其特征在于，所述计算所述难例训练样本在所述待训练本地肺结节检测模型与所述联邦肺结节检测模型之间的模型蒸馏总损失的步骤包括：获取所述待训练本地肺结节模型中的特征提取器对所述难例训练样本进行特征提取
生成的第一中间样本特征，以及获取所述待训练本地肺结节模型对所述难例训练样本执行模型预测生成的第一难例模型预测结果；获取所述联邦肺结节检测模型中的特征提取器对所述难例训练样本进行特征提取生成的第二中间样本特征，以及获取所述联邦肺结节检测模型对所述难例训练样本执行模型预测生成的第二难例模型预测结果；基于所述第一中间样本特征和所述第二中间样本特征之间的差异度，计...

【专利技术属性】
技术研发人员：董扬辉，王玮，陈沫，
申请(专利权)人：深圳致星科技有限公司，
类型：发明
国别省市：