-
公开(公告)号：CN116758345A
公开(公告)日：2023-09-15
申请号：CN202310640579.7
申请日：2023-06-01
Applicant: 桂林航天工业学院
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明属于CT图像分类方法技术领域，且公开了一种基于参数与特征迁移的胃肿瘤CT图像分类方法，包括如下步骤：S1：基于Densenet121网络进行卷积特征提取；S2：基于MMD对提取的特征进行特征分析；S3：通过正则化极限学习机分类算法对分析后的特征进行分类，生成诊断模型。本发明通过将迁移学习思想和ELM算法相结合，提出基于最大均值差异的迁移极限学习机的深度特征分类算法，为减少源域数据和目标域数据特征的分布差异，获取更有效的特征，本发明采用最大均值差异方法衡量动脉期和静脉期深度学习特征的概率分布，剔除冗余信息，融合两期图像的有效信息，得到泛化能力强、鲁棒性高的胃CT影像识别模型。
Search Results
1
records
(took 0.015 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
