[发明专利]一种具有可解释性的医学图像深度学习方法

摘要

一种具有可解释性的医学图像深度学习方法，包括如下步骤：1)获取原始医学图像，对原始医学图像进行图像增强并增加图像数量，作为输入图像输入到网络之中；2)对所述输入图像利用VGG‑16网络提取图像特征，得到符合中间临床特征的医学预测图；3)将获得的预测图与标准中间临床特征相对比，计算二者的交叉熵损失Lossx，y，调整VGG‑16网络参数，使计算的交叉熵损失小于设定的阈值，从而完成网络的学习，使VGG‑16网络得到的预测图符合关于比对结果的要求。由本发明得到的网络具有更好的检测精度，同时具有更好的可解释性，方便根据需求进行后续网络优化。