摘要
本发明涉及一种利用术前CT图像对转换疗法进行预测的方法,属于图像处理领域,包括:对数据进行预处理得到用于对深度学习模型进行训练的图像;在知识蒸馏的基础上加入多次模型迭代,并引入标签平滑、余弦动态学习率调整和模型噪声,得到对模型进行训练的渐进式蒸馏方法;按照设定比例划分的训练集和测试集对采用EfficientNet并加载ImageNet的模型进行多轮次训练和测试,并通过经过多轮次训练和测试后的最终模型进行预测,得到预测结果。本发明能够将原发性肿瘤的计算机断层扫描征象与人工智能相结合,预测胃癌晚期患者对转换疗法的反应,产生很好的诊断效果。
技术关键词
CT切片
学生
教师
深度学习模型
标签
蒸馏方法
随机梯度下降
测试模块
图像缩放
计算机断层扫描
数据
预测胃癌
优化器
噪声
动态
像素
肿瘤