摘要
本发明公开了一种医疗图像数据样本的不确定性评估方法及系统,该方法为:采集有标注的医疗图像数据集,训练得到一个深度网络模型,并记录分类样本的建模贡献度;构建一个多层全连接神经网络,评估每个样本的贡献程度,并通过加权正则项优化深度网络模型,形成样本不确定性评价模型;通过样本不确定性评价模型筛选出不确定性低于设定阈值的医疗图像数据样本,用于医疗图像数据建模。该系统用于实现所述的医疗图像数据样本的不确定性评估方法,该系统具体包括模型训练模块、评价模型生成模块和数据建模模块。本发明能够更加精准、自动化地进行医疗图像数据样本筛选,提高了医学图像分析的准确性和高效性。
技术关键词
医疗图像数据
不确定性评估方法
深度网络模型
样本
模型训练模块
深度残差神经网络
代表
识别疾病
评估系统
图像分析
处理器
参数
移动终端
分类器
存储器
误差
系统为您推荐了相关专利信息
程序依赖图
节点
样本
关注点
Word2Vec模型
通风设备
监控器
策略优化方法
训练神经网络模型
三维模型
信息孤岛
深度神经网络模型
语音
多模态信息
供应链管理技术