摘要
本发明提出了一种基于可解释性技术的睑板腺特征指标获取方法,包括获取待检测样本的第一睑板图像,对第一睑板图像进行分类,得到待检测样本的异常等级信息生成第一睑板图像的第一分类热图,根据异常等级信息和第一分类热图对第一睑板图像进行第一分割得到第二睑板图像;获取第二睑板图像的睑板腺信息,根据睑板腺信息对第二睑板图像进行第二分割,得到第二模型热图;根据睑板腺信息对第二模型热图进行睑板腺分割,得到睑板腺标记图像;睑板腺标记图像与第二睑板图像叠加获取睑板腺分割图像,获取特征指标。根据本实施例的技术方案,通过结合深度学习模型和解释性技术,有效获取待检测样本的特征指标,提高睑板腺异常判定的全面性和准确性。
技术关键词
指标获取方法
睑板腺
图像
像素点
计算机可执行指令
样本
可读存储介质
深度学习模型
标记
处理器通信
存储器
标签
电子设备
系统为您推荐了相关专利信息
融合特征
三维图像特征
变换算法
待测产品
图像特征信息
相位方法
多实例
注意力机制
切片
二维卷积神经网络
车载摄像头
图像接收设备
动态运行状态
数据嵌入
回传方法
缺陷检测方法
蚀刻
图像处理模型
群体智能优化算法
实时数据
特征融合网络
遥感图像分割方法
融合特征
训练集
图像分割装置