[发明专利]一种基于MIL的医学图像病灶点精确标注方法

权利要求书

1.一种基于MIL的医学图像病灶点精确标注方法，其特征在于，包括以下步骤：

步骤1：采集医学图像数据集，分为正样本集和负样本集；

步骤2：进行分类模型的初始化；

步骤3：对于正样本集中的每个样本均采集S个示例，把每个示例输入到分类器模型中；记录有病灶点概率值最大的示例，然后将该示例加入到数据集D中；

步骤4：对于负样本集中的每个样本均采集S个示例，把每个示例输入到分类器模型中；记录最不可能有病灶点的示例，然后将该示例加入到步骤3得到的数据集D中；

步骤5：将步骤4得到的数据集D在神经网络分类器模型中进行迭代训练，得到训练模型；

步骤6：根据步骤5得到的模型进行新样本的检测和标注。

2.根据权利要求1所述的一种基于MIL的医学图像病灶点精确标注方法，其特征在于，所述分类模型采用基于LeNet的神经网络模型，包括输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层、激活函数层、第二全连接层和用于实现分类和归一化的softmax层。

3.根据权利要求1所述的一种基于MIL的医学图像病灶点精确标注方法，其特征在于，所述步骤6中检测和标注过程中每个新样本采样S个示例，对每个示例用分类器模型进行分类；若有一个及以上示例有病灶点，则判定该样本为有病灶点图片；否则判定该样本为无病灶点图片；直至检测完所有新样本。

4.根据权利要求1所述的一种基于MIL的医学图像病灶点精确标注方法，其特征在于，所述步骤5中的迭代训练过程中，每一次训练之前重复步骤3和步骤4获取更新后的数据集D。

5.根据权利要求1所述的一种基于MIL的医学图像病灶点精确标注方法，其特征在于，所述步骤2中初始化过程为选取带有标签的样本进行有监督学习。