[发明专利]一种基于MIL的医学图像病灶点精确标注方法在审
| 申请号： | 201810677693.6 | 申请日： | 2018-06-27 |
| 公开（公告）号： | CN108922599A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 唐鹏;万加龙;金炜东 | 申请（专利权）人： | 西南交通大学 |
| 主分类号： | G16H30/20 | 分类号： | G16H30/20;G06N3/04 |
| 代理公司： | 成都信博专利代理有限责任公司 51200 | 代理人： | 王沙沙 |
| 地址： | 610031 四川省成都市*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于MIL的医学图像病灶点精确标注方法，包括以下步骤：步骤1：采集医学图像数据集，分为正样本集和负样本集；步骤2：进行分类模型的初始化；步骤3：对于正样本集中的每个样本均采集S个示例，把每个示例输入到分类器模型中；记录有病灶点概率值最大的示例，然后将该示例加入到数据集D中；步骤4：对于负样本集中的每个样本均采集S个示例，把每个示例输入到分类器模型中；记录最不可能有病灶点的示例，然后也将该示例加入到数据集D中；步骤5：在神经网络分类器模型中进行迭代训练，得到训练模型；步骤6：根据分类模型进行新样本的检测和标注；本发明可大批量地对病灶点样本进行精确标注，且速度快、成本低、具有极高的效率性。 | ||
| 搜索关键词： | 病灶 标注 样本 分类器模型 分类模型 医学图像 负样本 数据集 采集 神经网络分类器 医学图像数据 迭代训练 训练模型 正样本集 初始化 效率性 新样本 正样本 记录 概率 检测 | ||
【主权项】：
1.一种基于MIL的医学图像病灶点精确标注方法，其特征在于，包括以下步骤：步骤1：采集医学图像数据集，分为正样本集和负样本集；步骤2：进行分类模型的初始化；步骤3：对于正样本集中的每个样本均采集S个示例，把每个示例输入到分类器模型中；记录有病灶点概率值最大的示例，然后将该示例加入到数据集D中；步骤4：对于负样本集中的每个样本均采集S个示例，把每个示例输入到分类器模型中；记录最不可能有病灶点的示例，然后将该示例加入到步骤3得到的数据集D中；步骤5：将步骤4得到的数据集D在神经网络分类器模型中进行迭代训练，得到训练模型；步骤6：根据步骤5得到的模型进行新样本的检测和标注。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西南交通大学，未经西南交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810677693.6/，转载请声明来源钻瓜专利网。
