一种基于深度网络模型和树形结构集成的骶髂关节炎分类方法

AITNT
正文
推荐专利
一种基于深度网络模型和树形结构集成的骶髂关节炎分类方法
申请号:CN202410784320
申请日期:2024-06-18
公开号:CN118736287A
公开日期:2024-10-01
类型:发明专利
摘要
一种基于深度网络模型和树形结构集成的骶髂关节炎分类方法涉及医学影像处理领域,解决骶髂关节炎CT影像的分类由于样本少、类别数多、问题间难度不均衡的问题。本发明根据端到端的网络模型分类结果和先验知识,提出了树形结构分类的思想。为克服样本少导致的模型可能过拟合的问题,我们采用了集成模型投票的思想,以降低方差,提高模型的鲁棒性。
技术关键词
深度网络模型 树形结构 图像 分支 分类方法 ResNet网络 Softmax函数 骶髂关节炎 节点 深度神经网络 树状结构 序列 代表 阶段 鲁棒性 感兴趣 数据
系统为您推荐了相关专利信息
1
一种基于人工智能的刀具磨损监测和修复方法
刀具磨损监测 刀具磨损状态 故障诊断模型 切削刀具 修复方法
2
一种基于多尺度特征融合的主动脉病变评估方法和评估装置
主动脉 多尺度特征融合 三维图像特征 三维结构 二维图像特征
3
多视角图像的生成方法、多视角图像生成模型的训练方法
图像生成模型 多视角 对象 样本 物理
4
基于光谱鉴别信息提取与分块级样本模拟的高光谱目标检测方法
双线性混合模型 样本 分块 编码器 输出特征
5
一种测试时训练的跨域少样本图像识别方法、系统和设备
监督学习模型 质心分类器 特征提取器 图像识别方法 图像识别模型
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号