摘要
本发明涉及图像识别领域,尤其指一种小样本直肠癌MR图像的完全可解释的分期预测方法、装置及介质;计算预处理后的直肠癌MR图像的共生矩阵提取每张图像的物理特征,真实标签也作为物理特征;根据图像及真实标签确定K个聚类以表征直肠癌分期阶段;对物理特征用模糊C均值算法得到K个聚类的相关信息;根据K个聚类的相关信息训练TSK模糊系统得到初始直肠癌分期预测模型;将直肠癌MR图像及真实标签输入模型输出分期预测值;以预测误差、输出方差和改进的特征分布损失构建模型中模糊规则权重的目标函数;以解析解的形式对目标函数求解,得到优化后的规则权重及直肠癌分期预测模型,实现基于少量直肠癌MR图像的完全可解释的分期预测。
技术关键词
直肠癌
模糊规则
图像
TSK模糊系统
模糊C均值算法
协方差矩阵
预测误差
物理
样本
标签
元素
表达式
凸优化技术
参数
直方图均衡化
可读存储介质
聚类
预测装置
密度
系统为您推荐了相关专利信息
风电机组叶片表面
缺陷检测方法
Gabor滤波器
三次样条插值法
信息熵
AI图像识别
模型生成方法
BIM构件
参数
特征金字塔网络
电缆护套
预警方法
裂缝特征
计算机可执行指令
节点
猫爪草
物联网设备
环境监测物联网
监控方法
互联网