← 返回列表
医学图像分类方法、系统、终端及存储介质
摘要文本
本发明涉及医学图像处理技术领域，尤其是涉及一种医学图像分类方法、系统、终端及存储介质。包括获取样本数据，构建知识蒸馏网络模型，训练知识蒸馏网络模型，最终输出皮肤病图像分类结果。本发明利用自适应提升算法AdaBoost赋予学生根据当前的皮肤病分类学习困难程度来决定挖掘教师知识的粒度；根据学生当前阶段的学习困难来主动挖掘教师中的基于logit，基于中间特征，以及基于相关性知识从而进行有目标的知识传递。此外，为了充分挖掘后续皮肤病分类学习阶段的困难，采用GCN思想，随着学习过程的进行，挖掘当前节点跳的信息后复制给学生，目的是让学生在保持与教师一致的近邻关系下，通过挖掘皮肤病样本间多跳信息来感知更细微的分类困难。
申请人信息
- 申请人:江西理工大学
- 申请人地址:341000 江西省赣州市客家大道1958号江西理工大学三江校区
- 发明人: 江西理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 医学图像分类方法、系统、终端及存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311545298.X |
| 申请日 | 2023/11/20 |
| 公告号 | CN117475235A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 江西理工大学 |
| 发明人 | 于祥春; 熊国梁; 吴剑青; 郑剑; 梁苗苗; 邱流进; 喻玲娟; 许晴 |
| 地址 | 江西省赣州市红旗大道86号 |
专利主权项内容
1.一种医学图像分类方法，其特征在于，包括：获取样本数据，采集皮肤病图像数据作为输入，并对皮肤病图像样本数据进行处理，得到图像样本数据集；构建知识蒸馏网络模型，知识蒸馏网络模型包括教师网络模型和学生网络模型，教师网络模型和学生网络模型均包括骨干网络和分类器；训练知识蒸馏网络模型，在训练知识蒸馏网络模型时，包括教师网络模型预训练和学生网络模型训练，其中教师网络模型预训练包括两个阶段：在第一阶段，完成带有个阶段的教师模型的训练，最后获得训练好的骨干网络/>；在第二阶段冻住骨干网络/>的权重，对辅助分类器/>进行参数更新；训练学生网络模型时，将带有/>个stages的皮肤病分类学生模型的骨干网络表示为/>，其中所包含的辅助分类器表示为/>，其/>代表学生模型第/>个stage的辅助分类器，学生网络模型在预训练好的皮肤病分类教师模型监督下进行学习，计算总体损失/>；将网络模型的输出结果进行汇总，输出皮肤病图像分类结果。