摘要
本发明提供了一种基于钼靶CT的三阴性乳腺癌免疫表型预测方法及系统,涉及钼靶CT影像处理领域,技术方案:提取并预处理现有乳腺癌数据库中的钼靶CT数据得到公共数据集,预处理待预测的钼靶CT图片得到多视图数据;基于孪生神经网络构建得到初始模型,随机将公共数据集中的钼靶CT图片视作键值视图,基于键值视图划分得到正负样本,基于正样本和负样本对比式训练所述初始模型得到预训练编码器;基于所述预训练编码器对多视图数据进行多尺度特征提取后,基于多头自注意力机制对进行特征融合得到综合视图特征图,基于分类器对所述综合视图特征图进行分类输出三阴置信度。本发明通过结合自监督对比学习与深度学习技术,提高乳腺癌的诊断效率和准确性。
技术关键词
阴性乳腺癌
编码器
多尺度特征提取
双向特征金字塔
孪生神经网络
样本
注意力机制
基准特征
键值
前馈神经网络
分类器
图片
sigmoid函数
预测系统
数据
深度学习技术
梯度下降法
多层感知机
系统为您推荐了相关专利信息
障碍物检测方法
深度预测网络
图像编码器
非暂态计算机可读存储介质
障碍物检测装置
图像检索模型
噪声样本
文本特征向量
图像特征向量
标签