基于增量学习的X光正位胸片多任务检测方法

摘要

本发明涉及一种基于增量学习的X光正位胸片多任务检测方法，首先将医学数据集分成基础组和增量组，然后采用改进的ResNet‑50网络模型对基础组进行深度表征学习，再对增量组进行小样本训练学习，最后将基础组与增量组合并调优，完成整个算法模型的训练；所述改进的ResNet‑50网络模型为ImageNet预训练的ResNet‑50网络模型。本发明的基于增量学习的X光正位胸片多任务检测方法，利用多语义任务和多标签的增量学习方法达到胸片多任务检测，用已有知识去学习识别新的疾病种类，以避免遇到新疾病时完全重新训练预测模型，同时达到提升识别新病变的诊断性能表现的目的，对医疗成像设备的发展和应用提供可行性支持。