[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

说明书

本发明公开了一种深度特征学习多标签的神经网络影像自动标记方法，用于解决现有的图像标记方法标记性能不佳的技术问题。本发明包括：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。

技术领域

本发明涉及影像标记技术领域，尤其涉及一种深度特征学习多标签的神经网络影像自动标记方法。

背景技术

随着多媒体技术的飞速发展和医学图像采集设备的日趋便捷，影像数据呈爆炸式增长，如何从海量的医学影像中快速检索出有意义的信息已经成为医学图像处理领域重要的研究方向。图像自动标记技术能够实现对图像的自动标注，进而反应其语义内容的关键词，从而缩小图像底层视觉特征与高层语义标签之间的鸿沟，提高图像检索的效率和准确性，在医学图像处理领域具有广泛的应用前景。

图像特征是图像语义内容的一种重要表示，因此图像特征提取方法对于改善图像标注性能至关重要。近几年来，以cnn为代表的深度学习被广泛地应用于计算机视觉领域，取得了较浅层学习更好的效果。

然而，在图像自动标注领域，普遍存在着标准数据集样本数量有限并且标签分布不均匀的问题，造成网络过拟合及标注性能不佳的问题。

发明内容

本发明提供了一种深度特征学习多标签的神经网络影像自动标记方法，用于解决现有的图像标记方法标记性能不佳的技术问题。

本发明提供了一种深度特征学习多标签的神经网络影像自动标记方法，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。

可选地，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。

可选地，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。

可选地，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。

本发明还提供了一种深度特征学习多标签的神经网络影像自动标记装置，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。

可选地，还包括：