[发明专利]一种通过协同主动学习模型的乳腺癌数据标注方法

权利要求书

1.一种通过协同主动学习模型的乳腺癌数据标注方法，其特征在于，包括主动学习系统和协同学习系统；所述主动学习系统用于从样本集中取出有价值的样本供标注；所述协同学习系统通过神经网络训练后，对所述主动学习系统提供的所述有价值的样本数据进行标注；

所述方法包括以下步骤：

步骤1、建立未标注样本集U，用于存储各未标注样本的标注信息与标注方式；

步骤2、通过所述主动学习系统，在所述未标注样本集U中逐一取出最有价值的样本进行人工标注，并将标注好的样本加入到已标注样本集A，该过程将持续迭代到启动自学习功能或是所述未标注样本集U与伪标注样本集F中样本数量均为0；

步骤3、启动自学习功能，利用所述已标注样本集A与所述伪标注样本集F训练MLO深度学习网络和CC深度学习网络，并构建所述协同学习系统；

步骤4、将构建好的所述协同学习系统用于所述未标注样本集U，在每次迭代中逐一取出置信度最高的所述未标注样本，通过所述协同学习系统对其进行智能标注，从而获得所述伪标注样本集F，持续迭代到关闭所述自学习功能或是所述未标注样本集U中样本数量为0；

步骤5、当所述自学习功能关闭时，回到所述步骤2。

2.如权利要求1所述的方法，其特征在于，所述步骤1还包括建立一个n*2的向量，n为所述未标注样本集U数量。

3.如权利要求1所述的方法，其特征在于，所述标注方式为：0表示未标注，1表示用户人工标注，2表示计算机智能标注。

4.如权利要求1所述的方法，其特征在于，所述步骤2中所述主动学习系统采用的是MDAL算法。

5.如权利要求1所述的方法，其特征在于，所述步骤2中所述最有价值的样本的选取，基于多样性准则进行筛选，确保选出的样本与已标注样本差异最大。

6.如权利要求1所述的方法，其特征在于，所述步骤2中所述最有价值的样本的选取，基于版本空间准则进行筛选，确保选择出的样本在所述MLO和所述CC体位的预测差异最大。