买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国矿业大学

摘要：本发明公开了一种乳腺X线摄影的病灶检测方法，基于多实例乳腺数据集，依据多分类交叉熵损失函数挑选交叉熵损失值最小的前K个关键实例作为关键实例包的关键实例，并通过有序损失函数更新病灶检测模型的参数，迭代优化训练过程，直到病灶检测模型收敛。本发明是一种基于不确定性有序多实例学习的乳腺癌检测识别方法，仅利用图像的类别标记就可以识别出病灶的具体位置和类别，解决了现有方法中乳腺病灶检测需要对图像中的病灶位置进行标注的问题，降低了标注的难度和成本。

主权项：1.一种乳腺X线摄影的病灶检测方法，其特征在于：包括以下步骤：S1、获取公开的DDSM乳腺数据集；S2、将DDSM乳腺数据集制作成多实例包的形式，并划分出训练集和测试集；S3、将多实例包的类别作为多实例包内所有实例的伪标记；S4、基于浅层的卷积神经网络建立乳腺X摄影的病灶检测模型；将训练集中的多实例包输入病灶检测模型中预测多实例包中各实例的类别，使用交叉熵损失函数计算多实例包中各实例的交叉熵损失值；所述多分类交叉熵损失函数为： Lin＝-cilogpin其中：表示第i个多实例包中第n个实例经过病灶检测模型最后的全连接层的第m个神经元的softmax输出；表示yin_m的softmax输出，yin_m表示第i个多实例包中第n个实例属于类别cm的预测概率，m＝1,2,…,M，M表示总共的类别数量；Lin表示第i个多实例包中第n个实例的交叉熵损失值；ci表示第i个多实例包的类别，也即第i个多实例包中第n个实例的伪标记，ci∈{cm}；pin表示第i个多实例包中第n个实例预测为各个类别的输出概率分布；S5、将训练集中的多实例包输入病灶检测模型，计算每个多实例包中各个实例的交叉熵损失值，挑选出每个多实例包中交叉熵损失值最小的前K个实例作为关键实例构成关键实例包，将多实例包的类别作为关键实例包的类别，将关键实例包的类别作为关键实例包内所有关键实例的伪标记；S6、将关键实例包输入病灶检测模型，计算每个关键实例包中各个关键实例的有序损失值，通过梯度下降法优化病灶检测模型；S7、重复步骤S5和S6，直至连续两次训练集中所有多实例包挑选出的关键实例包相同，完成病灶检测模型的训练；S8、将测试集中的多实例包送入训练好的病灶检测模型，预测多实例包的类别。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种乳腺X线摄影的病灶诊断方法