【技术实现步骤摘要】
本申请涉及计算机技术和医学影像处理，特别涉及一种模型训练方法、训练装置及医学影像分类方法。
技术介绍
1、计算机辅助诊断与辅助检测一直是医学领域的重要研究方向。胸部x射线检查是一种常见的用于筛查胸部疾病的检查方法，具有成本低、拍摄速度快、能够发现多种病变等优点，因此在临床中得到了广泛应用。
2、在早期医疗图像处理领域等一般应用中，通常需要人工定义特征，然后将这些特征交由机器学习算法去进行后续分类操作。然而，随着深度学习的发展和卷积神经网络的广泛应用，目前主流的方法已经转变为利用神经网络模型来自动提取影像特征并进行分类。通过预训练完成的神经网络模型，可以对所输入图像自动进行特征提取。这些提取到的图像视觉特征会被传递给分类器进行训练，从而得到一个经过训练的分类模型。这种方法能够更好地捕捉图像中的复杂特征，并且减少了人工定义特征的工作负担。
3、通常情况下，分类任务需要原始图像数据对应的标签。而在多标签分类任务中，一幅图像可能与多个不同的标签相对应。传统的疾病分类算法仅做到将标签信息与图像对应，但未能利用不同图像之间潜...
【技术保护点】
1.一种医学影像分类模型训练方法，其特征在于，包括：
2.根据权利要求1所述的医学影像分类模型训练方法，其特征在于，获取医学影像训练集，包括：
3.根据权利要求2所述的医学影像分类模型训练方法，其特征在于，采用中心裁剪的方式将所述原始医学影像数据集中的原始医学影像降采样，并对降采样后的所述原始医学影像进行概率反转或概率旋转操作，以获取所述医学影像训练集。
4.根据权利要求1所述的医学影像分类模型训练方法，其特征在于，基于每个所述数据块中医学影像对应的疾病标签信息和/或临床信息构建每个所述数据块的图像级关系矩阵，包括：
5...
【技术特征摘要】
1.一种医学影像分类模型训练方法，其特征在于，包括：
2.根据权利要求1所述的医学影像分类模型训练方法，其特征在于，获取医学影像训练集，包括：
3.根据权利要求2所述的医学影像分类模型训练方法，其特征在于，采用中心裁剪的方式将所述原始医学影像数据集中的原始医学影像降采样，并对降采样后的所述原始医学影像进行概率反转或概率旋转操作，以获取所述医学影像训练集。
4.根据权利要求1所述的医学影像分类模型训练方法，其特征在于，基于每个所述数据块中医学影像对应的疾病标签信息和/或临床信息构建每个所述数据块的图像级关系矩阵，包括：
5.根据权利要求4所述的医学影像分类模型训练方法，其特征...
【专利技术属性】
技术研发人员：黄莉莉，刘明，李成龙，江波，赵海峰，汤进，
申请(专利权)人：安徽大学，
类型：发明
国别省市：
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。