一种基于预处理模型的小样本医学图像分类方法技术

一种基于预处理模型的小样本医学图像分类方法，包括如下步骤：1)构建预处理模型，过程如下：(1.1)选取预处理模型数据集；(1.2)构建深度学习网络；(1.3)对于选取的数据集进行图像预处理；(1.4)在深度学习网络中加入Dropout策略，并将概率设置为p；(1.5)将训练后的模型保存为M1；2)对小样本医学图像数据进行处理；3)导入M1模型；4)将M1模型中的Dropout策略改为P；5)将小样本医学图像在M1下进行训练；6)得出分类结果。本发明专利技术提供了一种测试集效果好，模型泛化能力强的小样本医学图像分类方法。

A Small Sample Medical Image Classification Method Based on Preprocessing Model

【技术实现步骤摘要】
一种基于预处理模型的小样本医学图像分类方法
本专利技术属于医学图像处理领域，尤其是涉及一种医学图像分类方法。
技术介绍
21世纪以来，随着互联网的兴起，智能医学领域快速发展起来，医学图像的分类、分割、识别也随之兴起，其中由于小样本医学图像样本数量少，使得医学图像分类成了一大难题，因此解决医学图像分类对智能医学以致人们的生活有着相当重要的意义。通常的，在深度学习网络中，小样本医学图像数据的结果，会出现过拟合的问题，其网络模型会出现泛化性差的问题。存在的技术缺陷为：过拟合、模型泛化性差。
技术实现思路
为了克服已有深度学习网络直接运用在小样本医学图像数据上出现的过拟合、模型泛化性差问题，本专利技术提供了一种测试集效果好，模型泛化能力强的小样本医学图像分类方法。本专利技术解决其技术问题所采用的技术方案是：一种基于预处理模型的小样本医学图像分类方法，包括如下步骤：1)构建预处理模型，过程如下：(1.1)选取预处理模型数据集；(1.2)构建深度学习网络；(1.3)对于选取的数据集进行图像预处理；(1.4)在深度学习网络中加入Dropout策略，并将概率设置为p；(1.5)将训练后的模型保存为M1；本文档来自技高网...

【技术保护点】
1.一种基于预处理模型的小样本医学图像分类方法，其特征在于，所述方法包括如下步骤：1)构建预处理模型，过程如下：(1.1)选取预处理模型数据集；(1.2)构建深度学习网络；(1.3)对于选取的数据集进行图像预处理；(1.4)在深度学习网络中加入Dropout策略，并将概率设置为p；(1.5)将训练后的模型保存为M1；2)对小样本医学图像数据进行处理；3)导入M1模型；4)将M1模型中的Dropout策略改为P；5)将小样本医学图像在M1下进行训练；6)得出分类结果。

【技术特征摘要】
1.一种基于预处理模型的小样本医学图像分类方法，其特征在于，所述方法包括如下步骤：1)构建预处理模型，过程如下：(1.1)选取预处理模型数据集；(1.2)构建深度学习网络；(1.3)对于选取的数据集进行图像预处理；(1.4)在深度学习网络中加入Dropout策略，并将概率设置为p；(1.5)将训练后的模型保存为M1...

【专利技术属性】
技术研发人员：管秋，陈柽霞，袁梦依，胡海根，陈峰，谢琪，周乾伟，倪一成，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33