[发明专利]良恶性溃疡识别方法及系统

权利要求书

1.一种良恶性溃疡识别方法，其特征在于，包括以下步骤：

S1：获取样本数据，每组样本数据包括一个病例的多个图片，其中所述样本数据包括多组无标注的样本数据和多组有标注的样本数据；

S2：利用所述无标注的样本数据对编码器进行编码预训练，获得预训练后的图片表示编码器，包括：

将无标注的样本数据中的每个图片切分为若干小区域；

对每个小区域进行随机遮蔽处理，并将所有图片中的小区域进行拼接，得到序列，其中将图片的小区域进行拼接包括对未遮蔽小区域和已遮蔽小区域的拼接；

将每个小区域的像素值加上其嵌入在所述序列中的位置和图片输入至编码器，获得每个小区域的特征中间表示；

将多个图片的所有小区域的特征中间表示输入至解码器，预测对应被遮蔽的小区域的像素值，以还原被遮蔽的图像信息；

将属于同一图片的小区域进行组合，得到完整的图片；

其中，优化的目标为：

其中，表示训练损失函数，目标是要求尽量小，M(X_i)和U(X)表示第i张图片中被遮蔽的区域和多源图片X中所有未被遮蔽的区域集合，表示被遮蔽的一个区域，表示基于U(X)还原被遮蔽区域的条件概率；

S3：将所述有标注的样本数据输入至所述图片表示编码器，输出每个图片的特征表示；

S4：将每个图片的特征表示进行特征融合，获得图片的特征终极表示；

S5：基于所述图片的特征终极表示进行类别预测。

2.根据权利要求1所述的良恶性溃疡识别方法，其特征在于：在S1中，所述有标注的样本数据为在所述样本数据中选择部分数据做标注的结果。

3.根据权利要求1所述的良恶性溃疡识别方法，其特征在于：在S2中，所述编码器为多源遮蔽自编码器。

4.根据权利要求1所述的良恶性溃疡识别方法，其特征在于：在S3中，在将所述有标注的样本数据输入至所述图片表示编码器之前，将有标注的样本数据中的所有图片切分为若干小区域，并将所有图片中的小区域进行拼接得到序列。

5.一种良恶性溃疡识别系统，其特征在于，包括：

数据获取模块，所述数据获取模块用于获取样本数据，每组样本数据包括一个病例的多个图片，其中所述样本数据包括多组无标注的样本数据和多组有标注的样本数据；

编码预训练模块，所述编码预训练模块用于利用所述无标注的样本数据对编码器进行自动编码预训练，获得预训练后的图片表示编码器，所述编码预训练模块包括：

预训练子模块，所述预训练子模块用于：

将无标注的样本数据中的每个图片切分为若干小区域；

对每个小区域进行随机遮蔽处理，并将所有图片中的小区域进行拼接，得到序列，其中将图片的小区域进行拼接包括对未遮蔽小区域和已遮蔽小区域的拼接；

将每个小区域的像素值加上其嵌入在所述序列中的位置和图片输入至编码器，获得每个小区域的特征中间表示；

将多个图片的所有小区域的特征中间表示输入至解码器，预测对应被遮蔽的小区域的像素值，以还原被遮蔽的图像信息；

将属于同一图片的小区域进行组合，得到完整的图片；

其中，优化的目标为：

其中，表示训练损失函数，目标是要求尽量小，M(X_i)和U(X)表示第i张图片中被遮蔽的区域和多源图片X中所有未被遮蔽的区域集合，表示被遮蔽的一个区域，表示基于U(X)还原被遮蔽区域的条件概率；

S3：将所述有标注的样本数据输入至所述图片表示编码器，输出每个图片的特征表示；

特征提取模块，所述特征提取模块用于将所述有标注的样本数据输入至所述图片表示编码器，输出每个图片的特征表示；

特征融合模块，所述特征融合模块用于将每个图片的特征表示进行特征融合，获得图片的特征终极表示；

分类预测模块，所述分类预测模块用于基于所述图片的特征终极表示进行类别预测。

6.根据权利要求5所述的良恶性溃疡识别系统，其特征在于，所述数据获取模块包括：

标注子模块，所述标注子模块用于在所述样本数据中选择部分数据做标注，获得有标注的样本数据。

7.根据权利要求5所述的良恶性溃疡识别系统，其特征在于，所述特征提取模块包括：

预处理子模块，所述预处理子模块用于在将所述有标注的样本数据输入至所述图片表示编码器之前，将有标注的样本数据中的所有图片切分为若干小区域，并将所有图片中的小区域进行拼接得到序列。