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：华东师范大学

摘要：一种基于半监督和对比学习的肺部疾病分类方法及系统，其系统包括：基于ResNet的特征提取模块、模拟专家预测模块以及延迟学习模块，特征提取模块根据固定大小的矩阵，通过ResNet残差网络提取出特征表示向量；模拟专家预测模块基于特征表示向量，基于半监督和对比学习方法，从少量的人类专家预测数据中学习专家的预测能力，生成更准确的专家预测，进而将全监督的延迟学习算法扩展到专家标注缺失的场景，在有限数据上提升已有延迟学习算法的性能。

主权项：1.一种基于半监督和对比学习的肺部疾病分类方法，其特征在于，所述方法包括以下步骤：步骤1：使用的数据集包括三个组成部分：影像数据x、真实标签y和一位人类专家的预测结果d；其中，影像数据通过医用的专业设备获取，真实标签由多位权威的医生协商得到，人类专家的预测结果则由某位医生阅片后给出；数据集中的每个影像数据都有对应的真实标签，但不一定有人类专家的预测结果；所述数据集由Ds和Du构成，Ds中包含影像x对应的人类专家预测结果，表示为，Du中不包含对应的人类专家预测结果，表示为，角标i表示不同实例在数据集中的序号，即Ds中各个实例的序号表示为从1到s，Du中各个实例的序号表示为从1到u；将所述数据集按4∶1的比例随机划分为训练集和测试集；训练数据集由Du的部分数据和Ds构成，测试数据则为Du中剩余的数据；初始化特征提取模块的编码器和分类网络，以及模拟专家预测模块中的专家预测网络；步骤2：训练特征提取模块的编码器和分类网络；将训练集上的每张肺部影像数据x输入到所述编码器中，得到深层的特征表示z；再将z输入分类网络，输出预测的类别标签，取1或0，表示当前病例是否患病；步骤3：固定步骤2特征提取模块中编码器的参数，将训练集上每张图像依次输入所述编码器和所述专家预测网络；并且，提取出所述专家预测网络最后一个全连接层前的向量作为专家预测的隐表示向量，然后基于半监督方法和对比学习设计目标函数，训练模拟专家预测模块的专家预测网络；模拟专家预测模块的专家预测网络输出生成的人类专家预测结果，取1或0，表示当前病例是否患病；步骤4：固定步骤1中的所述编码器和步骤3中的所述专家预测网络的参数，将测试集上的图像依次输入所述编码器和所述专家预测网络，得到生成的人类专家预测结果；步骤5：集成已有的延迟学习方法，使用步骤4生成的人类专家预测填充延迟学习方法中缺失的人类专家预测，训练延迟学习方法；所述延迟学习方法同时训练一个分配函数和一个分类模型，对于每个实例，分类模型给出模型的预测结果，分配函数则选择人类专家预测和分类模型的预测结果中置信度高的作为最终的输出，输出标签为1或0，表示当前实例是否患病。

全文数据：

权利要求：

百度查询： 华东师范大学 一种基于半监督和对比学习的肺部疾病分类方法及系统