申请/专利权人:武汉科技大学
申请日:2022-03-10
公开(公告)日:2022-06-21
公开(公告)号:CN114649092A
主分类号:G16H50/20
分类号:G16H50/20;G06T7/00;G06N3/08;G06N3/04;G06K9/62;G06V10/82;G06V10/44;G06V10/774;G06V10/764
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.07.08#实质审查的生效;2022.06.21#公开
摘要:本发明提供一种基于半监督学习和多尺度特征融合的辅助诊断方法及装置,该方法包括:将待诊断CT图像输入分类模型的多尺度特征融合模块中,得到所述待诊断CT图像的多尺度融合特征;将所述多尺度融合特征输入所述分类模型的分类模块,得到所述待诊断CT图像的辅助医疗诊断结果;其中,所述分类模型是基于第一训练数据集,进行半监督学习训练得到的;所述第一训练数据集包括有标签的第一样本CT图像和无标签的第二样本CT图像。本发明实现在有效标注数据量较少时,可获得具有更高的泛化性与准确性的分类模型,进而可快速准确地获取辅助医疗诊断结果。
主权项:1.一种基于半监督学习和多尺度特征融合的辅助诊断方法,其特征在于,包括:将待诊断CT图像输入分类模型的多尺度特征融合模块中,得到所述待诊断CT图像的多尺度融合特征;将所述多尺度融合特征输入所述分类模型的分类模块,得到所述待诊断CT图像的辅助医疗诊断结果;其中,所述分类模型是基于第一训练数据集,进行半监督学习训练得到的;所述第一训练数据集包括有标签的第一样本CT图像和无标签的第二样本CT图像。
全文数据:
权利要求:
百度查询: 武汉科技大学 基于半监督学习和多尺度特征融合的辅助诊断方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。