一种基于小样本的儿童肺炎诊断系统

技术特征：
1.一种基于小样本的儿童肺炎诊断系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于：所述计算机存储器中存储有训练好的诊断识别模型，所述的诊断识别模型以深度神经网络为主干网络，并基于跨年龄活动域对齐框架进行训练；所述的跨年龄活动域对齐框架包含面向中心的锚点选择模块、中心驱动的域对齐模块和主动模型更新模块；训练过程为：利用成人胸片图像构成的源域数据对诊断识别模型进行预训练；利用锚点选择模块从未标注的由儿童胸片图像构成的目标域数据中选择锚定样本，通过医生进行人工标注；利用域对齐模块将源域数据和目标域数据融合成一个混合域并进行域对齐操作，进一步对诊断识别模型进行训练；利用主动模型更新模块，采用迭代的方式结合锚点选择模块和域对齐模块，执行多阶段的锚点选择、域对齐操作和模型训练；所述计算机处理器执行所述计算机程序实现以下步骤：将待检测的儿童胸片图像输入训练好的诊断识别模型，得到儿童肺炎预测结果。2.根据权利要求1所述的基于小样本的儿童肺炎诊断系统，其特征在于，所述的诊断识别模型以resnet50为主干网络。3.根据权利要求1所述的基于小样本的儿童肺炎诊断系统，其特征在于，训练过程中，跨年龄活动域对齐框架通过跨域联合训练来处理域相似度，通过锚点对齐来处理域差异。4.根据权利要求1所述的基于小样本的儿童肺炎诊断系统，其特征在于，训练过程中，锚点选择模块选择锚定样本的过程如下：使用前一阶段的诊断识别模型对未标注的目标域样本进行预测，锚点选择模块以置信度作为选择标准，随机选择高置信度样本作为锚定样本，并通过医生人工标注为监督对齐锚点。5.根据权利要求1所述的基于小样本的儿童肺炎诊断系统，其特征在于，利用域对齐模块将源域数据和目标域数据融合成一个混合域时，使用x
s
∈x
s
和y
s
∈y
s
表示源域图像和相应的标签，并使用x
t
∈x
t
和y
t
∈y
t
表示目标域图像和相应的标签；然后，混合域x
m
＝{x
s
，x
t
}和y
m
＝{y
s
，y
t
}由来自源域和目标域的数据组成；在混合域中，共有三种数据：带标签的源域数据、带标签的目标域锚点和不带标签的目标域数据。6.根据权利要求5所述的基于小样本的儿童肺炎诊断系统，其特征在于，训练过程中，进行域对齐操作时，使用源域的标注数据进行特征训练，目标域的标注锚点用于监督域对齐，目标域未标注数据用于无监督域对齐。7.根据权利要求5所述的基于小样本的儿童肺炎诊断系统，其特征在于，进一步对诊断识别模型进行训练时，总共有三次损失，对于源域标注的数据和目标域标注的锚定样本，损失和使用交叉熵损失如下：其中，n为样本数，y
′
i
为预测分数，y
i
为真实值；此外，使用跨年龄活动域对齐损耗作为无监督域对准损失执行域区分，如下所示：
n
s
和n
t
为源域和目标域样本的数量，f是潜在的特性，g是分类器预测，d是鉴别器网络；最后，总体损失如下：8.根据权利要求1所述的基于小样本的儿童肺炎诊断系统，其特征在于，主动模型更新模块在执行多阶段的域对齐操作和模型训练过程中，当目标域样本少于32个时，将所有标注的目标域数据和源域数据融合到混合域中，并进行一个阶段的域对齐操作和模型训练；当目标域样本大于或等于32个时，使用前一阶段的模型，并利用锚点选择模块从未标注的目标域数据中选出锚定样本；在每个阶段，选择与现有标注样本相同数量的锚定样本，所有选择的锚定样本都由人工手动标注，并用于下一阶段的训练。

技术总结
本发明公开了一种基于小样本的儿童肺炎诊断系统，包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，计算机存储器中存储有训练好的诊断识别模型，诊断识别模型以深度神经网络为主干网络，并基于跨年龄活动域对齐框架进行训练；所述的跨年龄活动域对齐框架包含面向中心的锚点选择模块、中心驱动的域对齐模块和主动模型更新模块；所述计算机处理器执行所述计算机程序实现以下步骤：将待检测的儿童胸片图像输入训练好的诊断识别模型，得到儿童肺炎预测结果。本发明将小规模的儿童数据与大规模的成人数据集相结合，可实现成人空间和儿童空间的多阶段空间中心对齐，从而提高诊断儿童肺炎的准确率。肺炎的准确率。肺炎的准确率。


技术研发人员：俞刚 齐国强 胡莎莎
受保护的技术使用者：浙江大学
技术研发日：2022.09.21
技术公布日：2022/12/16