[发明专利]基于协同深度学习的医学图像分类方法

权利要求书

1.一种基于协同深度学习的医学图像分类方法，其特征在于包括以下步骤：

步骤一、采用预训练残差深度卷积神经网络的参数分别初始化两个深度卷积神经网络A和B的参数θ^A,θ^B，以及协同学习系统的参数θ^VS,初始化学习率η(t)和超参数λ；

步骤二、采用图像对的训练模式对模型进行训练；每输入一个图像对，两个深度预训练神经网络分别在倒数第二个全连接层生成深度特征，记为x_A^T、x_B^T,将这两个深度特征进行联结得到一个组合特征，记为(x_A^T，x_B^T),模型的三个监督信号分别为y_A,y_B和y_VS；

步骤三、分别计算两个预训练卷积网络和协同学习系统产生的损失值l^A(θ^A),l^B(θ^B)和l^VS(θ^VS)；

其中，M是训练集样本的个数，K是分类类别个数，K’值取2；

步骤四、计算梯度值：

这里λ是协同信号的权重因子，最后更新模型参数：

θ^A＝θ^A-η(t)·Δ^A，θ^B＝θ^B-η(t)·Δ^B；

步骤五、对于一个测试图像x，深度卷积神经网络A和B分别给出了预测结果和即最后一个全连接层的激活值；这时，额外的协同学习系统在最后的分类预测中被丢弃，最后输入图像x的预测标签即为