[发明专利]多标签多示例的图像检测方法、装置、设备及存储介质

权利要求书

1.一种多标签多示例的图像检测方法，其特征在于，包括：

获取已确诊的活检图像的病理区域以及病理区域对应的病理特征描述；

根据所述病理区域和所述病理区域对应的病理特征描述对离线训练多标签多示例模型进行训练，得到预置的多示例多标签模型；

获取原始活检图像，所述原始活检图像用于指示人体组织的病理特性；

对所述原始活检图像进行纹理特征提取，并将提取到的纹理特征进行结构化特征表达，生成目标图结构；

调用预置的训练模型对目标图结构进行识别，得到目标特征向量组；

通过所述预置的多示例多标签模型对所述目标特征向量组进行标注，得到多个目标病理标签。

2.根据权利要求1所述的多标签多示例的图像检测方法，其特征在于，所述根据所述病理区域和所述病理区域对应的病理特征描述对离线训练多标签多示例模型进行训练，得到预置的多示例多标签模型，包括：

根据所述病理区域进行纹理和结构特征提取，生成特征向量组；

将所述特征向量组作为离线训练多标签多示例模型的输入，将所述病理区域对应的病理特征描述作为离线训练多标签多示例模型的输出，训练得到离线训练多标签多示例模型F_D(f₁(θ₁x₁),f₁(θ₂x₂),f₁(θ₃x₃)...f₁(θ_nix_ni)|θ₁,θ₂,θ₃...θ_ni)；

调整θ₁,θ₂,θ₃...θ_ni，使得似然函数值最小，似然函数为like(θ)＝F_D(f₁(θ₁x₁),f₁(θ₂x₂),f₁(θ₃x₃)...f₁(θ_nix_ni)|θ₁,θ₂,θ₃...θ_ni)-F_D(T)；

生成预置的多示例多标签模型，并保存最小似然函数值对应的模型参数θ₁,θ₂,θ₃...θ_ni，预置的多示例多标签模型为F_D(f_s(θ₁x₁),f_s(θ₂x₂),f_s(θ₃x₃)...f_s(θ_nix_ni)|θ₁,θ₂,θ₃...θ_ni)。

3.根据权利要求1所述的多标签多示例的图像检测方法，其特征在于，所述对所述原始活检图像进行纹理特征提取，并将提取到的纹理特征进行结构化特征表达，生成目标图结构，包括：

对所述原始活检图像的纹理特征进行提取，得到多个目标纹理特征图像；

采用预置聚类算法对所述多个目标纹理特征图像中的像素点进行分类，生成多个局部同类像素团；

将所述多个局部同类像素团中的中心作为顶点并进行三角化，生成目标图结构。