【技术实现步骤摘要】
一种面向皮肤医学数据的标签纠错方法
本专利技术涉及计算机领域和医学领域，特别是一种面向皮肤医学数据的标签纠错方法。
技术介绍
近年来，人工智能给人类带来了很多便利，使人们的生活受到多方面的影响，如智能家居、自动驾驶和人脸识别。在人工智能中，深度学习正成为一种代表性的技术，并产生了许多应用案例。在深度学习中，机器根据现有的已标记数据集，计算训练样本的各个特征，来对此进行训练和学习，并生成用于识别和分类的判别模型，产生一系列的智能行为，最简单的应用如数字人像识别，图片分类等，故为了保证准确率和效率，获取足够的标记数据是非常重要的。目前在医学领域中，深度学习技术取得了良好的效果。例如，近年来提出的基于深度学习的先天性白内障多医院协作管理平台、利用深层神经网络设计达到皮肤科医生级别的皮肤癌分类等等。在临床上，一些皮肤疾病的病理特征相似，其图像不易区分，但是不同皮肤疾病的治疗方案差异大，所以正确的诊断十分重要。把深度学习技术应用于皮肤医学中，就需要高质量的皮肤医学数据标签。然而，在对皮肤医学数据进行处理中，我们会遇到很多的困难。一方面，对于大型数据集来说，人工处理数据是一项...
【技术保护点】
1.一种面向皮肤医学数据的标签纠错方法，其特征在于，包括以下步骤：1)使用迁移学习方法将种子数据集加载到GoogleNet:inception V3模型上进行训练，对种子数据集中的各种特征进行学习与计算，得到相对应皮肤疾病的诊断模型；2)用步骤2)的模型对含有噪音标签的数据集中的所有图像进行测试，总共有N张图像，得到每张图像的置信度；3)对所有图像的置信度进行降序排序，选择置信度排名在前K的图像，选择原有标签与模型诊断标签一致的图像，将这些图像标识为具有正确标签的图像；选择原有标签与模型诊断标签不一致的图像，并将其标识为错误标签的图像，然后对该图像的标签进行纠正；将纠正后的...
【技术特征摘要】
1.一种面向皮肤医学数据的标签纠错方法，其特征在于，包括以下步骤：1)使用迁移学习方法将种子数据集加载到GoogleNet:inceptionV3模型上进行训练，对种子数据集中的各种特征进行学习与计算，得到相对应皮肤疾病的诊断模型；2)用步骤2)的模型对含有噪音标签的数据集中的所有图像进行测试，总共有N张图像，得到每张图像的置信度；3)对所有图像的置信度进行降序排序，选择置信度排名在前K的图像，选择原有标签与模型诊断标签一致的图像，将这些图像标识为具有正确标签的图像；选择原有标签与...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。