[发明专利]一种深度特征学习多标签的神经网络影像自动标记方法

权利要求书

1.一种深度特征学习多标签的神经网络影像自动标记方法，其特征在于，包括：

获取待标记医学图像；

将所述待标记医学图像输入预训练的深度特征学习网络；

通过所述预训练的深度特征学习网络输出针对所述待标记医学图像的标记结果。

2.根据权利要求所述的方法，其特征在于，所述获取待标记医学图像的步骤之前，还包括：

获取多标签数据集；

采用所述多标签数据集训练预设的初始深度特征学习网络，得到初步训练深度特征学习网络；

获取校验标签数据；

采用所述校验标签数据对所述初步训练深度特征学习网络进行微调，得到预训练的深度特征学习网络。

3.根据权利要求2所述的方法，其特征在于，所述采用所述多标签数据集训练预设的初始深度特征学习网络，得到初步训练深度特征学习网络的步骤，包括：

对所述多标签数据集进行平滑处理，得到平滑多标签数据集；

采用所述平滑多标签数据集训练预设的初始深度特征学习网络，得到初步训练深度特征学习网络。

4.根据权利要求3所述的方法，其特征在于，所述采用所述校验标签数据对所述初步训练深度特征学习网络进行微调，得到预训练的深度特征学习网络的步骤，包括：

将所述校验标签数据输入所述初步训练深度特征学习网络，得到校验结果数据；

获取所述校验标签数据对应的目标结果数据；

根据所述校验结果数据和所述目标结果数据，对所述初步训练深度特征学习网络进行微调，得到预训练的深度特征学习网络。

5.一种深度特征学习多标签的神经网络影像自动标记装置，其特征在于，包括：

待标记医学图像获取模块，用于获取待标记医学图像；

输入模块，用于将所述待标记医学图像输入预训练的深度特征学习网络；

标记结果输出模块，用于通过所述预训练的深度特征学习网络输出针对所述待标记医学图像的标记结果。

6.根据权利要求5所述的装置，其特征在于，还包括：

多标签数据集获取模块，用于获取多标签数据集；

初步训练深度特征学习网络训练模块，用于采用所述多标签数据集训练预设的初始深度特征学习网络，得到初步训练深度特征学习网络；

校验标签数据获取模块，用于获取校验标签数据；

预训练的深度特征学习网络生成模块，用于采用所述校验标签数据对所述初步训练深度特征学习网络进行微调，得到预训练的深度特征学习网络。

7.根据权利要求6所述的装置，其特征在于，所述初步训练深度特征学习网络训练模块，包括：

平滑处理子模块，用于对所述多标签数据集进行平滑处理，得到平滑多标签数据集；

初步训练深度特征学习网络训练子模块，用于采用所述平滑多标签数据集训练预设的初始深度特征学习网络，得到初步训练深度特征学习网络。

8.根据权利要求7所述的装置，其特征在于，所述预训练的深度特征学习网络生成模块，包括：

校验结果数据获取子模块，用于将所述校验标签数据输入所述初步训练深度特征学习网络，得到校验结果数据；

目标结果数据获取子模块，用于获取所述校验标签数据对应的目标结果数据；

预训练的深度特征学习网络生成子模块，用于根据所述校验结果数据和所述目标结果数据，对所述初步训练深度特征学习网络进行微调，得到预训练的深度特征学习网络。

9.一种电子设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的深度特征学习多标签的神经网络影像自动标记方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-4任一项所述的深度特征学习多标签的神经网络影像自动标记方法。