-
公开(公告)号：CN116681951A
公开(公告)日：2023-09-01
申请号：CN202310725428.1
申请日：2023-06-19
Applicant: 浙江大学滨江研究院
IPC: G06V10/764 , G16H50/20 , G06V10/774 , G06V10/40
Abstract: 本发明属于医疗影像工程和肺炎技术领域，具体涉及一种基于深度学习的肺炎X射线肺部图像分类系统，该系统包括：X射线肺部图像数据预处理模块；可变形卷积的互信息最大化模块包括互信息最大化网络和可变形特征提取网络：将肺部图像输入可变形特征提取网络，并通过互信息最大化网络计算输入图像和其高维特征的互信息；混合高阶矩特征模块：将肺部图像的高维特征作为输入，得到肺炎X射线肺部图像的混合高阶矩特征；多专家不确定检测模块：通过多专家诊断病症得到网络模型；例外病例收录模块：用于发现少数特殊病例。该系统在诊断时给予预测结果的不确定度，能有效减小误诊率并提高心室分类的准确度和效率，并具有较高的鲁棒性。
Search Results
1
records
(took 0.018 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
