【技术实现步骤摘要】
本申请涉及模型训练，特别是涉及一种膝关节多标签分类模型构建方法和系统。
技术介绍
1、膝关节疾病包括膝关节骨赘、软骨硬化、骨边缘不完整和骨质囊性变等多种类型。在膝关节dr影像中，往往同时存在多种疾病并可能出现并发症。及早发现和治疗膝关节疾病是非常重要的，可以减轻症状和减少对人体的影响。
2、对于膝关节疾病若采用单标签进行分类，模型只能预测出一个结果，但是膝关节dr影像往往同时存在多种疾病，无法全面捕捉到所有疾病的存在。而用常规的多标签分类，膝关节疾病的发生率可能存在正负样本不均衡的情况，即某些疾病在样本中出现的频率较低，这会导致多标签分类模型在少数类别上的分类准确率较低，难以得到充分的训练和预测性能；这使得常规的多标签预测模型分类准确率较低。
技术实现思路
1、基于此，针对上述技术问题，提供一种膝关节dr影像多标签分类模型构建方法和系统，以提高对膝关节dr影像的分类准确率。
2、第一方面，一种膝关节dr影像多标签分类模型构建方法，所述方法包括：
3、获取膝关节x光dicom原始图像样本集，对所述膝关节x光dicom原始图像进行预处理；
4、对处理后的膝关节x光dicom原始图像的膝关节间隙区域进行定位，并对膝关节间隙区域进行图像裁剪；对所述膝关节间隙区域图像进行图像特征的提取；
5、将所述图像特征作为查询向量序列输入至transformer模型，利用transformer模型计算每个标签的预测概率；对于每个标签，根据计算所
6、上述方案中，可选地，所述损失函数为以下公式：
7、
8、其中，yk是二值标签，代表图像是否具备标签k；pk是图像中k标签的概率；γ是损失函数的参数，γ+为0，r-为1；k是总标签数量。
9、上述方案中，可选地，所述对所述膝关节x光dicom原始图像进行预处理，包括：
10、对所述膝关节x光dicom影像原始图根据设定的窗宽和窗位进行调整；
11、将调整后的膝关节x光dicom影像原始图转换为jpeg格式；
12、对jpeg格式的膝关节影像图进行降采样、噪声去除、对比度增强，并将jpeg格式的膝关节影像图调整到预设尺寸。
13、上述方案中，可选地，所述对处理后的膝关节x光dicom原始图像的膝关节间隙区域进行定位，具体为：利用yolo定位模型对处理后的膝关节x光dicom原始图像进行处理，对膝关节间隙区域进行定位。
14、上述方案中，可选地，对所述膝关节间隙区域图像进行图像特征的提取前，利用opencv中的resize方法对膝关节间隙区域图像进行尺寸的变换。
15、上述方案中，可选地，对所述膝关节间隙区域图像进行图像特征的提取，具体通过resnet卷积神经网络进行图像特征的提取。
16、第二方面，一种膝关节dr影像多标签分类模型构建系统，所述系统包括：
17、预处理模块，用于获取膝关节x光dicom原始图像样本集，对所述膝关节x光dicom原始图像进行预处理；
18、特征提取模块，用于对处理后的膝关节x光dicom原始图像的膝关节间隙区域进行定位，并对膝关节间隙区域进行图像裁剪；对所述膝关节间隙区域图像进行图像特征的提取；
19、多标签分类模型构建模块，用于获取膝关节x光dicom原始图像样本集，对所述膝关节x光dicom原始图像进行预处理；
20、对处理后的膝关节x光dicom原始图像的膝关节间隙区域进行定位，并对膝关节间隙区域进行图像裁剪；对所述膝关节间隙区域图像进行图像特征的提取；
21、多标签分类模型构建模块，用于将所述图像特征作为查询向量序列输入至transformer模型，利用transformer模型计算每个标签的预测概率；对于每个标签，根据计算所有标签的预测概率和真实标签之间的交叉熵损失，将所有标签的损失求和作为总体损失，利用梯度下降优化算法来最小化损失，并更新transformer模型的参数；所述交叉熵损失的计算利用的损失函数对正负样本采用不同的权重。
22、上述方案中，可选地，所述预处理模块具体用于：
23、获取膝关节x光dicom原始图像；
24、对所述膝关节x光dicom影像原始图根据设定的窗宽和窗位进行调整；
25、将调整后的膝关节x光dicom影像原始图转换为jpeg格式；
26、对jpeg格式的膝关节影像图进行降采样、噪声去除、对比度增强，并将jpeg格式的膝关节影像图调整到预设尺寸。
27、第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的一种膝关节dr影像多标签分类模型构建方法的步骤。
28、第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的一种膝关节dr影像多标签分类模型构建方法的步骤。
29、本申请至少具有以下有益效果：
30、本申请通过利用transformer模型根据图像特征生成标签的预测概率，transformer通过自注意力机制计算标签的注意力权重，并生成相应的预测概率。利用这种方法能够更好地捕捉膝关节影像和标签之间的复杂关系，可以提高模型的准确性；同时利用损失函数对多标签分类模型进行分类时，对正负样本采用不同的调节权重，考虑了正负样本的不均衡性，并通过指数衰减和对数变换来调整预测概率的影响，以提高训练效果；因此，通过上述方法，能够提高模型的分类准确度。
本文档来自技高网...【技术保护点】
1.一种膝关节DR影像多标签分类模型构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的膝关节DR影像多标签分类模型构建方法，其特征在于，所述损失函数为以下公式：
3.根据权利要求1所述的膝关节DR影像多标签分类模型构建方法，其特征在于，所述对所述膝关节X光dicom原始图像进行预处理，包括：
4.根据权利要求1所述的膝关节DR影像多标签分类模型构建方法，其特征在于，所述对处理后的膝关节X光dicom原始图像的膝关节间隙区域进行定位，具体为：利用YOLO定位模型对处理后的膝关节X光dicom原始图像进行处理，对膝关节间隙区域进行定位。
5.根据权利要求1所述的膝关节DR影像多标签分类模型构建方法，其特征在于，对所述膝关节间隙区域图像进行图像特征的提取前，利用OpenCV中的resize方法对膝关节间隙区域图像进行尺寸的变换。
6.根据权利要求1所述的膝关节DR影像多标签分类模型构建方法，其特征在于，对所述膝关节间隙区域图像进行图像特征的提取，具体通过ResNet卷积神经网络进行图像特征的提取。
7.
8.根据权利要求7所述的膝关节DR影像多标签分类模型构建系统，其特征在于，所述预处理模块具体用于：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种膝关节dr影像多标签分类模型构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的膝关节dr影像多标签分类模型构建方法，其特征在于，所述损失函数为以下公式：
3.根据权利要求1所述的膝关节dr影像多标签分类模型构建方法，其特征在于，所述对所述膝关节x光dicom原始图像进行预处理，包括：
4.根据权利要求1所述的膝关节dr影像多标签分类模型构建方法，其特征在于，所述对处理后的膝关节x光dicom原始图像的膝关节间隙区域进行定位，具体为：利用yolo定位模型对处理后的膝关节x光dicom原始图像进行处理，对膝关节间隙区域进行定位。
5.根据权利要求1所述的膝关节dr影像多标签分类模型构建方法，其特征在于，对所述膝关节间隙区域图像进行图像特征的提取前，利用opencv中的...
【专利技术属性】
技术研发人员：怀晓晨，穆红章，
申请(专利权)人：瓴域影诺北京科技有限公司，
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。