摘要
本发明提供一种基于轻量级神经网络的软组织密度测量方法,包括选取已有软组织图像作为训练集,并将该训练集中所有软组织图像均进行预处理,以形成为训练样本;构建轻量级神经网络模型,并使用训练样本以及BCEDiceLoss对所述轻量级神经网络模型进行训练,得到训练好的轻量级神经网络模型;其中,所述轻量级神经网络模型每一次训练后,均基于Dice距离、Hausdorff距离和Jaccard系数进行评估;获取待测软组织图像并进行预处理,将预处理后的待测软组织图像导入已训练好的轻量级神经网络模型中,得到软组织密度。实施本发明,能够有效减少测量过程中的人力资源投入,提高了效率。
技术关键词
轻量级神经网络
软组织
密度测量方法
反向传播方法
梯度下降算法
图像
训练集
分辨率
像素
误差
系统为您推荐了相关专利信息
安全监管系统
异常事件
轻量级神经网络
多模态
人体运动信息
分布式强化学习
燃烧优化方法
氧量
关联特征数据
风门
伸缩臂叉装车
描述符
关键点
数据处理方式
视觉装置
设备状态预测
模块
多模态
意图识别模型
任务分配算法