摘要
本发明公开了一种基于深宽度学习网络的儿童肺部PIBO预测方法及预测系统,所述方法包括如下步骤:获取儿童肺部CT影像数据集并划分为带标签的训练数据集和测试数据集;设计基于深宽度学习的儿童肺部PIBO预测网络模型并进行训练及测试验证,得到训练好的儿童肺部PIBO预测网络模型,其中,所述儿童肺部PIBO预测网络模型包括VGG16特征提取模块和嵌入注意力机制的宽度学习网络模块;利用所述训练好的儿童肺部PIBO预测网络模型对待预测的儿童肺部CT影像进行PIBO预测,得到预测结果。该预测方法及预测系统,通过结合全局特征提取模块和注意力机制增强了宽度学习系统的特征提取能力,提升了儿童PIBO预测的准确性和快速性。
技术关键词
预测网络模型
儿童
CT影像数据
注意力机制
矩阵
特征提取模块
预测系统
网络特征
网络模块
宽度学习系统
全局特征提取
语义特征提取
特征提取能力
标签
多层感知机
通道
系统为您推荐了相关专利信息
自动标定方法
雷达
轨迹
集成相机
动态贝叶斯网络
动态特性分析方法
电力系统频率
同步机
方程
光伏发电系统模型
负荷特征
历史负荷数据
深度神经网络训练
储能技术
平滑度
图像处理方法
先天性
图像修复算法
儿童眼科
图像处理系统