[发明专利]数据标注处理方法及装置、系统

权利要求书

1.一种数据标注处理方法，其特征在于，包括：

获取血液样本图像，并对所述血液样本图像进行预处理，得到白细胞图像；

利用神经网络模型对所述白细胞图像进行分类，得到白细胞的分类结果；

获取所述分类结果是否正确的判断结果，如果所述判断结果指示所述分类结果正确，保存所述白细胞图像以及所述分类结果；

如果所述判断结果指示所述分类结果不正确，获取对所述白细胞图像的正确标注结果，其中，所述正确标注结果是目标用户在客户端对所述白细胞图像进行人工分类标注得到的；

如果所述判断结果指示所述分类结果不正确，获取对所述白细胞图像的正确标注结果，还包括：将所述正确标注结果反馈给粗分类单元；

获取对所述白细胞图像的正确标注结果之后，所述方法还包括：利用所述白细胞图像和所述正确标注结果重新训练所述神经网络模型；

对所述血液样本图像进行预处理，包括：对所述血液样本图像进行细胞检测分割处理，得到以血液细胞为中心的图像，包括：将所述血液样本图像转换为灰度图；利用K均值算法对所述灰度图进行检测，得到所述血液细胞的图像；对所述血液细胞的轮廓图像进行直方图均衡化处理，得到直方图均衡化处理后的血液细胞图像；对所述直方图均衡化处理后的血液细胞图像进行形态学去噪处理，得到形态学去噪处理后的血液细胞图像；对所述形态学去噪处理后的血液细胞图像进行填洞处理，识别得到所述血液细胞的轮廓，并去除所述血液细胞图像内部的空洞；利用分水岭算法对所述填洞处理后的血液细胞图像进行处理，得到所述以血液细胞为中心的图像；

利用神经网络模型对所述白细胞图像进行分类，得到所述白细胞的分类结果之前，所述方法还包括：

对所述神经网络模型进行训练，该步骤包括：

将原始样本数据和对抗样本数据输入至所述神经网络模型，对所述神经网络模型进行虚拟对抗训练，其中，所述原始样本数据包括标注了所述分类结果的血液样本图像以及未标注所述分类结果的血液样本图像，所述对抗样本数据包括对所述原始样本数据施加噪声之后的样本数据；

对所述神经网络模型进行训练，还包括：

将所述神经网络模型最后一个全连接层的输出作为所述神经网络模型提取的图像特征，其中，所述图像特征为固定长度的向量；

将所述图像特征作为支持向量机的输入，将所述支持向量机作为最终的分类器，其中，所述分类器用于对所述白细胞图像进行分类。

2.根据权利要求1所述的方法，其特征在于，

获取所述分类结果是否分类正确的判断结果之前，所述方法还包括：将所述分类结果和所述白细胞图像发送至所述客户端；

所述判断结果是目标用户在所述客户端依据所述白细胞图像和所述分类结果判断得到的。

3.根据权利要求1所述的方法，其特征在于，所述血液样本图像包括正常个体的血液样本图像以及白血病患者的血液样本图像，对所述血液样本图像进行预处理，得到白细胞图像，包括：

对所述血液样本图像进行细胞检测分割处理，得到以血液细胞为中心的图像；

对所述以血液细胞为中心的图像进行白细胞筛选处理，得到以白细胞为中心的白细胞图像。