医学图像类激活映射评价方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了医学图像类激活映射评价方法、装置、计算机设备及存储介质。所述方法包括：获取类激活图像；利用tanh缩放函数确定所述类激活图的置信度分区；根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性。通过实施本发明专利技术实施例的方法可实现对类激活映射的效果进行有效的评估，能定性定量地对类激活映射所提供的空间位置信息的准确性和质量进行评价。息的准确性和质量进行评价。息的准确性和质量进行评价。

【技术实现步骤摘要】
医学图像类激活映射评价方法、装置、计算机设备及存储介质


[0001]本专利技术涉及图像处理方法，更具体地说是指医学图像类激活映射评价方法、装置、计算机设备及存储介质。

技术介绍

[0002]医学图像分割在计算机辅助诊断和智能医疗中起着至关重要的作用。它可以在患者治疗和诊断中为医生提供可靠的解剖及病理结构信息，提高医生诊断的效率和准确性。
[0003]目前医学图像分割最主流的方法是使用像素级标注数据集训练的全监督神经网络，但是像素级标注的获取是既费时又昂贵的，对于医学图像更是高的令人望而止步。针对这一局限性，已经展开了大量的弱监督图像分割研究，并取得了令人惊叹的性能，甚至接近全监督学习。在目前的弱监督图像分割方法中，常见的弱标注有图像级标注、点、涂鸦和边界框，而图像级标注最有潜力的，因此大多数研究都是在图像级标注上使用类激活映射(CAM)方法的基础上设计的。图像级标签仅指示出图像中是否存在分割目标，缺乏空间位置信，而类激活映射方法创造性地仅使用图像级标签的卷积神经网络拥有定位能力，目前最先进的C
‑
CAM在分别在CT和M本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.医学图像类激活映射评价方法，其特征在于，包括：获取类激活图像；利用tanh缩放函数确定所述类激活图的置信度分区；根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性。2.根据权利要求1所述的医学图像类激活映射评价方法，其特征在于，所述利用tanh缩放函数确定所述类激活图的置信度分区，包括：使用tanh缩放函数对所述类激活图进行归一化，以得到所述类激活图的置信度；按照所述类激活图的置信度以及设定的分区阈值对所述类激活图进行分区，以得到分区结果；判断所述类激活图的所有像素点是否都被遍历；若所述类激活图的所有像素点都被遍历，则确定所述分区结果为所述类激活图的置信度分区。3.根据权利要求2所述的医学图像类激活映射评价方法，其特征在于，所述类激活图的置信度分区包括目标高置信度区域、背景高置信度区域、低置信度区域。4.根据权利要求1所述的医学图像类激活映射评价方法，其特征在于，所述判断所述类激活图的所有像素点是否都被遍历之后，还包括：若所述类激活图的所有像素点没有都被遍历，则执行所述按照所述类激活图的置信度以及设定的分区阈值对所述类激活图进行分区，以得到分区结果。5.根据权利要求1所述的医学图像类激活映射评价方法，其特征在于，所述根据所述类激活图的置信度分区评价所述类激活图的定位准确性和目标相似性，包括：获取像素级标注信息以及医学图像；根据所述类激活图以及所述像素级标注信息计算定位准确性指标；根据所述类激活图的置信度分区结合所述医学图像计算目标相似...

【专利技术属性】
技术研发人员：陈文兵，杜杰，刘鹏，汪天富，
申请(专利权)人：深圳大学，
类型：发明
国别省市：