得益于深度神經(jīng)網(wǎng)絡(luò)的特征提取功能,和深度神經(jīng)網(wǎng)絡(luò)結(jié)合的CAD系統(tǒng)在許多醫(yī)學圖像分析領(lǐng)域取得很大的成功。多數(shù)情況下,CAD系統(tǒng)基于監(jiān)督學習構(gòu)建,而訓練一個監(jiān)督學習系統(tǒng)需要大量人工標注的數(shù)據(jù),費時費力。超聲圖像常被用做診斷的依據(jù),也是用作訓練模型的數(shù)據(jù)集,但是在臨床上,超聲圖像并不準確,病理報告才是金標準,通過病理報告可以判斷對應病人的超聲圖像為陽性還是陰性。由超聲圖像和對應病人病理報告得出的標簽（陰性或陽性）就組成一個可用于訓練模型的數(shù)據(jù)。通過文本檢測、文本識別、句向量編碼、二分類四個步驟提出一個自動打標簽的模型,將病理報告作為輸入,就可以得到標簽,而不需要大量專業(yè)醫(yī)師費事費力人工標注。 

【文章來源】：現(xiàn)代計算機. 2020,(31)

【文章頁數(shù)】：11 頁


本文編號：3207940