摘要
本发明公开了一种基于机器学习的甲状腺癌患者风险分级系统,该系统包括数据采集模块、数据预处理模块、甲状腺癌图像分割模块、甲状腺癌数据增强模块和甲状腺癌风险分级模块。本发明涉及甲状腺癌风险分级技术领域,具体是指一种基于机器学习的甲状腺癌患者风险分级系统,本发明通过采集得到历史数据和当前患者数据;采用尺寸标准化、增强对比度、图像去噪和数据标注的数据预处理方法;采用双路径证据网络模型进行图像分割,提升了模型的精度和适应性;采用结合变压器的生成对抗网络模型进行数据增强,提高了数据的质量和丰富性;采用卷积神经网络模型进行风险分级,增强了风险分级的准确性。
技术关键词
图像分割
甲状腺癌患者
生成对抗网络模型
分割图像数据
分级系统
风险
像素
数据采集模块
CT图像数据
预处理图像数据
Softmax函数
图像数据预处理
矩阵
对比度
数据预处理方法
变压器
患者身体状况
系统为您推荐了相关专利信息
篮球
接触特征
裁判辅助系统
人工智能模型
标志杆
边缘先验
图像分割方法
语义特征
采样模块
融合特征
图像分类模型
细粒度图像分类
设备可读存储介质
融合特征
输入神经网络模型
绝缘子缺陷
检测网络模型
输电线路绝缘子
缺陷检测方法
训练集
作业智能
服务端
辅助系统
红外测温模块
状态识别算法