摘要
本发明提供了一种基于多标签学习的乳腺组织病理智能辅助诊断方法,通过乳腺组织的病理全切片图像的一类标签和二类标签对特征提取器进行训练,基于特征训练结果,对目标病理全切片图像得到大标注特征和小标注特征,基于大标注特征和小标注特征对卷积神经网络模型和多实例学习模型进行训练,得到目标卷积神经网络模型和目标多实例学习模型,将待检测病理全切片图像分别输入目标卷积神经网络模型和目标多实例学习模型,根据输出结果进行智能辅助诊断,通过利用大标注以及小标注,同时训练特征提取器和多实例学习模型,使得模型能够学习到更好的特征,提高乳腺疾病辅助诊断的准确性。
技术关键词
智能辅助诊断方法
卷积神经网络模型
多标签学习
特征提取器
切片
多实例
乳腺
图像
矩阵
组织
标签特征
键值
序列特征
注意力机制
块尺寸
编码
线性
系统为您推荐了相关专利信息
发酵堆肥
废弃物堆肥
活动翻板
图像识别处理器
处置系统
油污检测装置
切换滤光片
光学镜头模块
多通道
信息处理模块
参数调控系统
数据采集模块
动态调控方法
表面传感器
数据输入模块
计算机设备
样本
图像识别方法
特征提取器
分类模型识别