[发明专利]妇科分泌物图像的多标签分类方法

摘要

本发明公开了一种妇科分泌物图像的多标签分类方法，包括如下步骤：步骤一、特征提取，包括构建训练数据库以及建立用于模型训练的网络结构；步骤二、模型训练，包括将训练数据库中的妇科分泌物图像及对应的标签图通过全卷积网络进行训练得到所需的样本模型；步骤三、校正，通过样本模型对妇科分泌物图像进行测试得到测试用的预测标签图，并对预测标签图进行评价，判断测试结果是否满足要求，是则将样本模型作为预测用的样本模型；否则返回步骤二，对训练用的各项参数进行修改并重复步骤三，直到测试结果满足要求为止；步骤四、预测，将检测用的妇科分泌物图像输入到样本模型中进行预测，得到初步预测图像。与现有技术相比，节省了分类时间。

主权项

1.一种妇科分泌物图像的多标签分类方法，其特征在于：包括如下步骤：/n步骤一、特征提取，所述特征提取包括构建训练数据库以及建立用于模型训练的网络结构；步骤一中建立用于模型训练的全卷积网络包括基于卷积神经网络中的全卷积网络构建出三个用于模型训练的网络结构；分别为1/4网络结构、1/2网络结构以及1/1网络结构；/n所述构建训练数据库包括拍摄原始的妇科分泌物图像，对妇科分泌物图像中不同种类的细胞分别标注后生成标签图；将生成后的标签图以及对应的妇科分泌物图像进行存储，建立训练数据库；/n所述标签图通过对妇科分泌物图像中的不同种类的细胞勾画出其外部轮廓，然后采用不同的像素值代表不同种类的细胞，从而得到标签图；/n步骤二、模型训练，所述模型训练包括将训练数据库中的妇科分泌物图像及对应的标签图通过全卷积网络进行训练得到所需的样本模型，在模型训练前，对训练数据库中的数据进行扩增，对训练数据库中的妇科分泌物图像以及所对应的标签图进行图像参数中至少一项参数的调整并保存后，将训练数据库中标签图进行图像尺寸的等比缩小，将标签图分别缩小为与之对应的妇科分泌物图像的图像尺寸的1/2以及1/4的1/2标签图、1/4标签图后，保存至训练数据库中；然后将训练数据库中的妇科分泌物图像和1/4标签图输入至1/4网络结构进行训练得到第一模型；以第一模型为权重，将训练数据库中的妇科分泌物图像和1/2标签图输入至1/2网络结构，进行训练得到第二模型；以第二模型为权重，将训练数据库中的妇科分泌物图像和1/1标签图输入至1/1网络结构，进行训练得到第三模型，最终得到样本模型；/n步骤三、校正，通过样本模型对妇科分泌物图像进行测试得到测试用的预测标签图，并对预测标签图进行评价，判断测试结果是否满足要求，是则将样本模型作为预测用的样本模型；否则返回步骤二，对训练用的各项参数进行修改并重复步骤三，直到测试结果满足要求为止；所述步骤三中对预测标签图进行评价具体为判断预测标签图的准确率、精确率、召回率和综合评价指标是否均达到90％以上；/n步骤四、预测，将检测用的妇科分泌物图像输入到样本模型中进行预测，得到初步预测图像。/n