申请/专利权人：同济大学

申请日：2023-12-21

公开（公告）日：2024-04-02

公开（公告）号：CN117809058A

主分类号：G06V10/74

分类号：G06V10/74;G06V10/764;G06T7/00;G06V10/82;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于双相似性度量与联合学习的小样本医学图像处理方法，分别为训练集和测试集构建元任务，每个任务都关联和处理支持集和查询集。在特征空间中，构造双相似性度量模块，对同类别的样本计算余弦相似度，对各个类别的原型计算欧几里得距离，并进行度量损失约束，目的是使类内相似度高，而类间差异大。在训练阶段，根据支持集和查询集样本的联合学习，共同训练一个目标优化器。在测试阶段，待预测的查询集样本与支持集类别原型进行相似度计算得到初步预测标签，再经过目标优化器得到最终预测标签。利用本发明方法，模型通过学习双相似性度量和联合学习模块，为小样本胸部X光图像疾病分类提供了一种通用、有效的辅助诊断方法。

主权项：1.基于双相似性度量与联合学习的小样本医学图像处理方法，其特征在于：包括如下步骤：步骤1、先将输入的样本图像数据集划分为训练集和测试集，再分别为训练集和测试集构建支持集和查询集；步骤2、在训练阶段，先将训练集的支持集和查询集样本通过特征提取器提取特征向量，再构建双相似性度量模块，对支持集样本的特征向量进行度量约束，使得同类别样本之间相似度高，不同类别样本之间互相远离，最后计算支持集样本中的每个类别的平均特征向量作为原型，用于预测查询集样本的标签；步骤3、对模型进行小样本联合学习，将查询集预测标签与查询集样本构成样本-标签对，同样经过双相似性度量模块获得类别原型，根据查询集原型反向预测支持集样本标签，反向预测得到的支持集样本标签和支持集样本真实标签与预测得到的查询集样本标签和查询集样本真实标签共同训练目标优化器；步骤4、在测试阶段，将测试集的支持集和查询集样本通过特征提取器提取特征向量，支持集样本特征向量根据双相似性度量模块构建原型，查询集样本与原型比较得到初步预测标签，初步预测标签再经过目标优化器得到最终预测标签。

全文数据：

权利要求：

百度查询： 同济大学 基于双相似性度量与联合学习的小样本医学图像处理方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD