摘要
本申请提供了一种利用计算机实现的对病变进行筛查的方法、装置和介质。获取带有病变类别标注的医学图像的训练样本集和表征各个类别之间相似度的类别相似度矩阵;在深度学习网络训练过程中:基于卷积层的输出特征矩阵获取病变类别的类内和类间相似性距离,结合类别相似度矩阵中的对应元素获取第一损失函数,类内相似性距离与第一损失函数正相关,类间相似性距离与第一损失函数负相关;基于深度学习网络输出的训练样本所属类别的概率矩阵和病变类别标注获取第二损失函数;基于第一损失函数和第二损失函数对深度学习网络进行训练;利用训练好的深度学习网络对医学图像进行所属病变类别的预测。通过病变类别相似度先验知识实现了预测准确度的提升。
技术关键词
深度学习网络
图像训练样本
矩阵
医学
输出特征
计算机可执行指令
全卷积神经网络
肺部CT图像
联合损失函数
易损斑块
元素
处理器
关系
介质
偏差
代表