摘要
本发明属于智能医疗领域,具体涉及基于CV的甲状腺切除术后颈部瘢痕恢复状态预测方法。方法包括获取待测者的术后瘢痕图像数据;所述术后瘢痕图像数据同时输入所述多分支群卷积神经网络的各个分支中得到各个分支的瘢痕图像特征映射,所述各个分支的瘢痕图像特征映射经过特征融合得到多分支融合的瘢痕图像特征,所述多分支融合的瘢痕图像特征经过全连接层转换得到所述最终瘢痕图像特征向量;所述最终瘢痕图像特征向量输入分类器得到瘢痕评分分类,分类的类别为对瘢痕图像数据的评分,评分越高表示瘢痕增生程度越高。本申请采用多分支群卷积神经网络,通过多个卷积分支,提取不同尺度和方向的瘢痕图像特征,增强了对复杂瘢痕图像的特征捕捉能力。
技术关键词
甲状腺切除术
瘢痕
状态预测方法
图像特征向量
多分支
图像特征提取
卷积神经网络提取
分类器
卷积特征
非线性动力学
影像
数据
参数
样本
支持向量机分类
线性单元
双曲正切函数
系统为您推荐了相关专利信息
变化识别方法
时序特征
特征提取网络
形态
图像识别模型
营养分析方法
图像特征向量
主动学习策略
文本特征向量
多任务损失函数
情感分析模型
市场营销技术
动态
深度卷积神经网络
节假日效应