买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院深圳先进技术研究院

摘要：本申请涉及一种困难样本挖掘方法、系统、终端以及存储介质。方法包括：收集包括K种标签类型的医学图像数据；根据医学图像数据的标签构建点云形状模型，并选取一个包含K种标签类型的点云形状模型作为模板形状；从医学图像数据中随机剪裁设定数量的训练样本，将训练样本输入分割模型进行训练，并在一个批次训练结束后，根据当前批次的训练样本的训练损失值更新模板形状的奖励期望值；根据模板形状上的奖励期望值分布从医学图像数据中挖掘困难样本，根据困难样本对分割模型进行训练。本申请通过将训练样本的困难程度抽象为可被估计的奖励值，能够更加科学的评估样本的困难程度，并更充分地挖掘出对分割模型而言更具代表性的困难样本。

主权项：1.一种困难样本挖掘方法，其特征在于，包括：收集包括K种标签类型的医学图像数据；根据所述医学图像数据的标签构建点云形状模型，并选取一个包含K种标签类型的点云形状模型作为模板形状；从所述医学图像数据中随机剪裁设定数量的训练样本，将所述训练样本输入分割模型进行训练，并在一个批次训练结束后，根据当前批次的训练样本的训练损失值更新所述模板形状的奖励期望值；当所述分割模型的训练批次达到设定次数后，根据所述模板形状上的奖励期望值分布从所述医学图像数据中挖掘困难样本，根据所述困难样本对分割模型进行训练；所述根据所述医学图像数据的标签构建点云形状模型包括：针对所述医学图像数据中的每一个标签Lii∈[1，N]，N为所述医学图像数据的数量，通过移动立方体算法对每种标签对应的器官进行网格化，得到每种器官的表面网格；通过抽取算法对所有表面网格进行降采样，将相邻且法向量相似的网格近似合并为一个网格；提取合并后的表面网格的顶点，根据所述顶点组成多器官点云形状模型；所述从所述医学图像数据中随机剪裁设定数量的训练样本，将所述训练样本输入分割模型进行训练具体为：从第i个医学图像数据中裁剪出训练样本，并根据训练样本的剪裁坐标范围从所述点云形状模型Si的点云中检索出所述训练样本包含的点集对于点集中的每个点获取距离其半径r以内的训练样本体素，并计算所有体素的训练损失值均值，得到点在本轮训练中获得的奖励值根据所述模板形状Sm与点云形状模型Si之间的映射矩阵得到点集在Sm中的对应点集利用本轮训练中获得的奖励值更新点中维护的被采样频次ci、奖励平均值以及奖励值期望vi： ci←ci+1 上式中，以加权平均的方式更新奖励平均值β为权重，通过上限置信区间算法计算奖励值期望vi。

全文数据：

权利要求：

百度查询： 中国科学院深圳先进技术研究院 一种困难样本挖掘方法、系统、终端以及存储介质