← 返回列表

一种乳腺X线摄影的病灶诊断方法

申请号: CN202311589761.0
申请人: 中国矿业大学
申请日期: 2023/11/27

摘要文本

本发明公开了一种乳腺X线摄影的病灶检测方法,基于多实例乳腺数据集,依据多分类交叉熵损失函数挑选交叉熵损失值最小的前K个关键实例作为关键实例包的关键实例,并通过有序损失函数更新病灶检测模型的参数,迭代优化训练过程,直到病灶检测模型收敛。本发明是一种基于不确定性有序多实例学习的乳腺癌检测识别方法,仅利用图像的类别标记就可以识别出病灶的具体位置和类别,解决了现有方法中乳腺病灶检测需要对图像中的病灶位置进行标注的问题,降低了标注的难度和成本。 该数据由<专利查询网>整理

专利详细信息

项目 内容
专利名称 一种乳腺X线摄影的病灶诊断方法
专利类型 发明申请
申请号 CN202311589761.0
申请日 2023/11/27
公告号 CN117576052A
公开日 2024/2/20
IPC主分类号 G06T7/00
权利人 中国矿业大学
发明人 李仲年; 郭巧玉; 许新征
地址 江苏省徐州市大学路1号中国矿业大学

专利主权项内容

1.一种乳腺X线摄影的病灶检测方法,其特征在于:包括以下步骤:S1、获取公开的DDSM乳腺数据集;S2、将DDSM乳腺数据集制作成多实例包的形式,并划分出训练集和测试集;S3、将多实例包的类别作为多实例包内所有实例的伪标记;S4、基于浅层的卷积神经网络建立乳腺X摄影的病灶检测模型;S5、将训练集中的多实例包输入病灶检测模型,计算每个多实例包中各个实例的交叉熵损失值,挑选出每个多实例包中交叉熵损失值最小的前K个实例作为关键实例构成关键实例包,将多实例包的类别作为关键实例包的类别,将关键实例包的类别作为关键实例包内所有关键实例的伪标记;S6、将关键实例包输入病灶检测模型,计算每个关键实例包中各个关键实例的有序损失值,通过梯度下降法优化病灶检测模型;S7、重复步骤S5和S6,直至连续两次训练集中所有多实例包挑选出的关键实例包相同,完成病灶检测模型的训练;S8、将测试集中的多实例包送入训练好的病灶检测模型,预测多实例包的类别。