[发明专利]用于输出MR图像特征点描述向量符的模型及其建立方法

摘要

本发明涉及用于输出MR图像特征点描述向量符的模型及其建立方法，包括以下步骤：1：构建基础的卷积神经网络，并利用ImageNet图像库训练基础神经网络，得到分类模型；2、从MR图像库中查找符合查询标准Q的图像，将图像进行分类并标记，将标记后的图像加入到MR训练图像库中；3、利用MR训练图像库中的图像对分类模型进行训练；4、训练完毕后，改变分类模型的全连接层的输出方式，改变后的全连接层用于输出输入的图像的特征描述向量，模型建立完成。本发明的模型首先经过了普适性训练，然后又经过了MR图像的针对性训练，因此模型的准确度高，适应性强。

主权项

1.用于输出MR图像特征点描述向量符的模型的建立方法，其特征在于，包括以下步骤：步骤1：构建基础卷积神经网络，使用ImageNet图像库中不同类别的大量图像训练基础神经网络，得到分类模型；步骤2、从MR图像库中查找符合查询标准Q的MR图像，将符合查询标准Q的MR图像按照预设类别进行分类，并在MR图像上标记类别，将标记后的MR图像加入到MR训练图像库中；步骤3、从MR训练图像库中选取图像并将图像输入分类模型，利用分类模型对图像进行分类处理，得到图像属于预设类别中某一类别的概率并输出概率值；步骤4、将上一步得到的概率值输入损失函数中，利用损失函数计算损失值，损失值用于判断分类模型的分类准确率，若损失值大于或等于预设阈值，将损失值向后传播到优化器，优化器根据损失值自动更新分类模型的参数，并重复步骤2‑4，若计算得到的损失值小于预设阈值,则转入下一步骤；步骤5、改变分类模型的全连接层的输出方式，改变后的全连接层用于输出输入的图像的特征描述向量，模型建立完成。