公开(公告)号：CN114331971A

公开(公告)日：2022-04-12

申请号：CN202111491322.7

申请日：2021-12-08

Applicant: 之江实验室

Inventor： 王立强 ,  牛春阳 ,  杨青 ,  高道键 ,  胡冰

IPC: G06T7/00 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种基于半监督自训练的超声内镜目标检测方法，通过在对象级标注数据集上训练教师网络，利用教师网络推断生成图像级标注数据集与无标签数据集的伪标签，最后使用置信度高的伪标签数据集训练学生网络，然后使用已训练的学生网络替代教师网络，不断迭代，进一步提高伪标签的准确性，最终可以优化网络的泛化能力。本方法通过利用自训练方法，无需大量标注对象级数据集，弥补了图像级标注数据集与无标注数据缺少监督信息的缺点，充分提升网络对超声内镜目标的学习能力。本发明能够解决超声内镜中目标的漏检和误检等问题，使得模型能够提供获得更好的预测能力，进一步提高工作效率。

公开(公告)号：CN114511728B

公开(公告)日：2024-05-14

申请号：CN202111598484.0

申请日：2021-12-24

Applicant: 之江实验室

Inventor： 牛春阳 ,  王立强 ,  杨青 ,  胡冰 ,  高道键

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G16H30/00 ,  G16H50/20 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明公开了一种电子内镜食管病灶智能检测模型建立方法，本发明通过在图像级标注数据集上训练病灶分类教师网络，利用教师网络推断生成无标签数据集的伪标签，最后使用置信度高的伪标签数据集训练图像分类学生网络，然后使用已训练的学生网络替代教师网络，不断迭代，进一步提高伪标签的准确性，最终可以优化病灶分类网络的泛化能力；然后将病灶分类网络学习的特征与目标检测网络融合，最终得到高精度的食管病灶检测网络。本发明利用自训练方法，无需大量标注对象级数据集，弥补了图像级标注数据集与无标注数据缺少监督信息的缺点，充分提升目标检测网络对食管病灶的检测能力。

公开(公告)号：CN114511728A

公开(公告)日：2022-05-17

申请号：CN202111598484.0

申请日：2021-12-24

Applicant: 之江实验室

Inventor： 牛春阳 ,  王立强 ,  杨青 ,  胡冰 ,  高道键

IPC: G06V10/764 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G16H30/00 ,  G16H50/20 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明公开了一种电子内镜食管病灶智能检测模型建立方法，本发明通过在图像级标注数据集上训练病灶分类教师网络，利用教师网络推断生成无标签数据集的伪标签，最后使用置信度高的伪标签数据集训练图像分类学生网络，然后使用已训练的学生网络替代教师网络，不断迭代，进一步提高伪标签的准确性，最终可以优化病灶分类网络的泛化能力；然后将病灶分类网络学习的特征与目标检测网络融合，最终得到高精度的食管病灶检测网络。本发明利用自训练方法，无需大量标注对象级数据集，弥补了图像级标注数据集与无标注数据缺少监督信息的缺点，充分提升目标检测网络对食管病灶的检测能力。