摘要
本发明公开了一种基于对比学习的脑磁图棘波特征聚类方法,涉及图像分析技术领域,包括:采集病人的脑磁图数据并进行预处理,得到脑磁三维矩阵;将脑磁三维矩阵输入到已训练完成的深度学习模型中,得到脑磁二维特征矩阵;对脑磁二维特征矩阵的每一行特征和其他行特征进行内积运算得到棘波时刻点集中两两时刻点之间的距离矩阵;设定总聚类次数为,对计算得到的距离矩阵进行聚类得到第次聚类时的类别集合,将第次聚类时的类别集合中的棘波时刻点叠加取平均后输出脑磁图数据中棘波时刻点集的聚类结果;该脑磁图棘波特征聚类方法具有更强的泛化能力和表达能力,能够得到良好的聚类结果。
技术关键词
特征聚类方法
深度学习模型
预测特征
矩阵
注意力
深度网络模型
训练数据处理
通道
卷积模块
像素
图像分析技术
标记
离群点
线性
随机梯度下降
元素
指标
滤波
系统为您推荐了相关专利信息
语义分割方法
融合特征
输出特征
多尺度特征
多层感知器
智能电表
评价方法
模态特征
动态邻接矩阵
SCADA系统
电力载波通信模块
双边带调制电路
主控芯片模块
电阻
射频前端电路