[发明专利]一种对图像进行目标标注的方法、装置及计算机记录介质

权利要求书

1.一种对图像进行目标标注的方法，其特征在于，所述方法包括：

获取训练好的对图像进行与目标相关的分类的第一神经网络，所述第一神经网络包括多层卷积神经网络和全连接层，每层卷积神经网络依序包括卷积层、激活函数层和下采样层；

由处理器，利用所获取的第一神经网络的所述多层卷积神经网络对所述图像进行处理；

由所述处理器，对所述第一神经网络的至少一层的激活函数层的输出进行大值空间位置采样；

由所述处理器，基于大值空间位置采样的结果将相应层的下采样层的输出映射到所述图像的坐标空间，以得到映射矩阵，其中，所述相应层为第一神经网络的多层卷积神经网络中的某一层或某几层；

由所述处理器，基于所述映射矩阵获得目标位置蒙版；

由所述处理器，基于所述目标位置蒙版在所述图像中标注所述目标。

2.根据权利要求1所述的对图像进行目标标注的方法，其特征在于，所述相应层的下采样层的输出经由至少一层反卷积神经网络映射到所述图像的坐标空间，各层反卷积神经网络依序包括上采样层、激活函数层和反卷积层。

3.根据权利要求2所述的对图像进行目标标注的方法，其特征在于，所述大值空间位置采样针对所述第一神经网络的各层的激活函数层的输出进行，所述反卷积神经网络与所述卷积神经网络对应地设置，基于所述大值空间位置采样的结果将相应层的下采样层的输出映射到所述图像的坐标空间包括：

将最后一层的下采样层的输出经由所述反卷积神经网络映射到所述图像的坐标空间，所述卷积神经网络的各层的大值空间位置采样的结果用于引导所述反卷积神经网络的相应各层的上采样。

4.根据权利要求2或3所述的对图像进行目标标注的方法，其特征在于，各层反卷积神经网络的反卷积层的输出作为下一层反卷积神经网络的上采样层的输入。

5.根据权利要求1所述的对图像进行目标标注的方法，其特征在于，对至少一层的激活函数层的输出进行大值空间位置采样，包括：

将所述至少一层的激活函数层的输出与第一预设阈值进行比较；

对比较结果进行二值化处理；

记录二值化处理结果中的大值元素的空间位置信息。

6.根据权利要求1所述的对图像进行目标标注的方法，其特征在于，基于所述映射矩阵获得目标位置蒙版，包括：

将所述映射矩阵中的各元素与第二预设阈值进行比较；

对比较结果进行二值化处理，以获得所述目标位置蒙版。

7.根据权利要求1所述的对图像进行目标标注的方法，其特征在于，所述方法还包括：利用标注疾病种类的图像样本集合对所述第一神经网络进行训练。

8.根据权利要求1所述的对图像进行目标标注的方法，其特征在于，所述目标包括病灶。

9.根据权利要求7所述的对图像进行目标标注的方法，其特征在于，所述训练使用的损失函数基于如下公式(1)来计算：

其中，f_i表示疾病种类为i的图像输入到所述第一神经网络后被分类为i的分值，f_j表示所述图像输入到所述第一神经网络后被分类为任意一类疾病的分值。

10.根据权利要求9所述的对图像进行目标标注的方法，其特征在于，所述训练包括：基于所述损失函数和如下公式(2)对所述第一神经网络中的各参数进行更新：

其中，L表示损失函数，W表示所述第一神经网络中的参数，α表示更新速率。

11.根据权利要求1所述的对图像进行目标标注的方法，其特征在于，基于所述目标位置蒙版在所述图像中标注所述目标，包括：

将所述图像中与所述目标位置蒙版中强度为1的位置对应的像素区域标注为目标区域。