[发明专利]一种基于弱标签的目标定位方法及系统

说明书

本发明公开了一种基于弱标签的目标定位方法及系统，其包括：通过卷积神经网络对待处理图像进行处理，获取图片特征张量；对获取到的图像特征张量进行概率类激活图池化操作，得到图像的特征向量；使用全连接层连接特征向量，对图片进行分类；基于全连接层的参数与图像的特征张量确定目标定位类激活图。本发明提供的方案能够实现基于图像级弱标签得到更精确的目标定位。

技术领域

本发明属于计算机视觉和卷积神经网络技术，具体涉及医疗影像中目标定位技术。

背景技术

由于人工智能概念的兴起，掀起了一股研究神经网络的热潮，卷积神经网络在目标识别、语义分割、人脸识别等领域纷纷取得了显著的成果。卷积神经网络在目标识别与定位展现了惊人的鲁棒性。即使对于复杂的物体、遮挡物体、光照不均匀的物体，它仍然具有很强的识别能力。

近年来，卷积神经网络(deep convolutional neural networks,DCNNs)也显著提高了基于医疗影像的计算机辅助疾病诊断。但是在临床实践中，X线胸片上病灶的视觉定位，如热图或分割图，也更有利于为分类结果提供可解释的支持。

但是精确的病灶定位常常需要训练卷积神经网络并进行强有力的标注，例如边界框，而不仅仅是图像级的标签。然而对于类似于医学影像，准确地注释病变位置是困难的，耗时的，不可能进行大规模实践的。

因此，在类似于医疗等精确图像标注难以获取的领域，基于弱标签进行目标定位仍然是本领域亟需解决的问题。

发明内容

针对现有技术无法有效的基于弱标签进行目标定位的问题，需要一种新的医疗影像中目标定位技术。

为此，本发明的目的在于提供一种基于弱标签的目标定位方法，其能够实现基于图像级弱标签得到更精确的目标定位；同时，本发明还提供一种基于弱标签的目标定位系统。

为了达到上述目的，本发明提供的基于弱标签的目标定位方法，包括：

通过卷积神经网络对待处理图像进行处理，获取图片特征张量；

对获取到的图像特征张量进行概率类激活图池化操作，得到图像的特征向量；

使用全连接层连接特征向量，对图片进行分类；

基于全连接层的参数与图像的特征张量确定目标定位类激活图。

进一步地，所述方法中通过如下公式来完成概率类激活图池化操作：

式中X_i,j为特征图中位于i,j位置的特征，w_i,j为特征图中位于i,j位置的权重系数。

进一步地，所述方法中通过如下公式来完成目标定位类激活图的确定：

式中w表示最后全连接层的权重参数，f表示卷积神经网络的输出，k表示输出的第k个通道，x,y表示位于卷积特征上的位置。

进一步地，所述方法中如果全连接层带有偏置，则在目标定位类激活图的计算公式中加上偏置参数。

为了达到上述目的，本发明提供的基于弱标签的目标定位系统，所述目标定位系统包括处理器以及处理程序，所述处理器可执行处理程序，以按照上述的目标定位方法基于弱标签进行目标定位。

本发明提供的方案能够实现基于图像级弱标签得到更精确的目标定位。相对于常规图像分类方案往往需要非常大的数据量，而本方案可以以较少的数据量实现基于若标签的目标定位效果，大大提高实用性和易用性。

附图说明

以下结合附图和具体实施方式来进一步说明本发明。