基于小样本学习的罕见疾病图像分类方法、设备及存储介质

    公开(公告)号:CN120032170A

    公开(公告)日:2025-05-23

    申请号:CN202510117339.8

    申请日:2025-01-24

    Abstract: 本发明的一种基于小样本学习的罕见疾病图像分类方法、设备及介质,通过巧妙地构建特征回溯融合编码器,利用下一层特征为当前层生成注意力掩码,以减少低层特征中无用的噪声信息,从而更好地将低层特征中空间细节信息融合到高层特征中,有效地提高了模型对胃肠道疾病区域的分类性能;其次,多级原型重构网络进一步捕获支持集和查询集样本之间的语义相关性,以增强支持图像表示上的区分区域,为每个查询样本生成适合当前查询样本的校准类中心。基于欧氏距离的分类器输出该查询样本的分类结果,利用交叉熵函数指导模型优化,确保分类结果的精度。最终,基于小样本学习的罕见疾病图像分类模型经过严格的训练和测试,能够输出每个图像的分类结果。

    一种基于医学影像的规培考核方法及装置

    公开(公告)号:CN116913478A

    公开(公告)日:2023-10-20

    申请号:CN202311115719.5

    申请日:2023-08-30

    Abstract: 本申请公开了一种基于医学影像的规培考核方法及装置,当接收到图像展示指令时,通过预设界面向第一用户展示医学图像;当接收第一窗位、第一窗宽和第一勾画区域后,通过预设界面向第二用户展示医学图像;当接收第二窗位、第二窗宽和第二勾画区域,根据第一窗位、第二窗位、第一窗宽和第二窗宽确定位置准确值;通过预设界面向第二用户展示病变类别;当接收到病变类别信息后,根据病变类别信息确定分值,并将位置准确值与分值相乘得到第一分数;根据第一勾画区域和第二勾画区域,确定第二分数;基于第一分数和第二分数,确定第二用户的考核结果。高位数的DICOM数据分辨率更高,能够提供更加精细的图像细节,能够达到实际要求的规培效果。

    一种疏水或疏油微纳米复合结构及其制备方法

    公开(公告)号:CN106086862A

    公开(公告)日:2016-11-09

    申请号:CN201610425060.7

    申请日:2016-06-13

    CPC classification number: C23C22/63

    Abstract: 本发明公开了一种疏水或疏油微纳米复合结构,包括一体成型的铜基、氧化铜一维纳米豆芽线结构、氧化铜三维网络结构和表层疏水结构,或者包括一体成型的铜基、氧化铜一维纳米豆芽线结构、氧化铜三维网络结构和表层疏油结构。本发明还公开了一种疏水或疏油微纳米复合结构的制备方法。本发明的疏水或疏油微纳米复合结构及其制备方法,成本低,生产效率高。

Patent Agency Ranking