[发明专利]一种基于半监督任务驱动的医学图像数据扩充方法

权利要求书

1.一种基于半监督任务驱动的医学图像数据扩充方法，其特征在于：包括下列步骤：

S1、数据采集：获取相关的医学图像数据集，对其类别进行标注；

S2、数据扩充：使用任务驱动的数据扩充方法实现医学图像的数据扩充；

S3、构建方法：构建数据扩充方法用于医学图像的数据集扩充；

所述S3中，所述构建方法用于生成扩充数据集，(X_G,Y_G)＝G((X_L,Y_L),z；w_G)，其中G(·，·；w_G)为数据扩充的变换方法，z为变换的随机分量，w_G为变换的参数，其中数据扩充方法G，通过定义两个条件生成器，分别为变形场生成器和强度场生成器列构建形状和强度变化，通过该变换方法，对输入图像进行图像变换，获得扩充数据集，其中，训练变形场发生器G_v用于输出变形场的变换信息，G_v的变换参数为w_Gv，通过练数据集图像X_L和随机抽取的z向量作为输入，用于生成稠密的逐像素变形场根据生成的变形场v对输入图像及对应的标签进行双线性插值，获得扩充数据集X_Gv和相对应的标签集Y_Gv，其表达方式为：训练强度场生成器G_I用于输出加性强度掩码变换，G_I的变换参数为w_GI，输入训练数据集图像X_L和随机抽取的单位高斯分布的z向量作为输入，输入加性强度掩码然后将ΔI添加到X_L中，获得扩充图像集X_GI和相对应的标签集Y_GI，其表达方式为：通过变形场发生器和强度场生成器方法用于数据扩充：

S4、数据集保存：将扩充后的数据集与原数据集结合，保存数据集；

所述S4中数据结合的方法为：将扩充后的数据集与原数据集结合，设X_L为训练数据集，Y_L为对应的标签数据集，(X_N,Y_N)＝(X_L∪X_G,Y_L∪Y_G)，所述X_G、Y_G表示扩充的数据集和相对应的标签数据集。

2.根据权利要求1所述的一种基于半监督任务驱动的医学图像数据扩充方法，其特征在于：所述S1中的数据采集通过获取相关的医学图像公共数据集，对数据集进行筛选、划分操作，构建医学图像数据集。