高清医疗图像中的小型病变的自动标记方法及系统

摘要

本申请公开了一种高清医疗图像中的小型病变的自动标记方法，包括：构建大尺寸图像输入网络、深度级联区域特征提取网络模型，并设定中心目标聚焦检测方法，再将该三者共同纳入到基于特征金字塔和区域假设方法的卷积神经网络目标检测模型中，从而构造出可进行训练和实施的用于小物体检测的高清图像卷积神经网络模型；设定基于半监督学习的隐性正样本自动筛选迭代训练方法，用于最大限度的自动获取训练数据集中未被标记的正样本数据，添加到能够用于训练的隐性正样本数据集合，再利用隐性正样本提升模型训练效果。利用本申请的方法，可以根据高清医疗2D扫描图像，自动、快速、准确的标识出小型病变区域，利于在后续操作中辅助医生提高诊断精度。