摘要
本发明公开了一种基于时间帧展开与特征选择交叉的心脏磁共振电影图像分类方法及系统,方法包括:首先获取心脏磁共振电影图像、对心脏磁共振电影图像预处理并划分感兴趣区域;其次对划分感兴趣区域后的图像进行影像组学特征提取,并基于时间序列信息对影像组学特征进行整合;最后构建特征选择交叉模型并进行训练,获得训练后的特征选择交叉模型,评估训练后的特征选择交叉模型的分类性能,并基于通过评估的模型进行心脏磁共振电影图像分类。本发明通过提取Cine‑MRI中心肌区段的影像组学特征,整合样本的时间序列信息并挖掘样本的时间空间特征潜力,实现对病灶部位的全面描述从而提升模型的分类准确性和鲁棒性。
技术关键词
心脏磁共振
特征选择
组学特征
交叉模块
图像分类方法
时间序列信息
隐性特征
影像
模型训练模块
多层感知机
计算机终端设备
感兴趣区域提取
图像分类系统
注意力机制
图像获取模块
处理器
网络分配
噪声特征
系统为您推荐了相关专利信息
集成机器学习
紫杉烷
特征选择方法
基因
评估系统
特征值
特征选择方法
预训练模型
生成特征
机器学习特征
超声造影
深度学习模型
恶性分类方法
生成超声
时序特征
新鲜度
梯度提升树模型
深度卷积神经网络模型
集成学习算法
环境传感器数据
多模型融合策略
指标
梯度提升树模型
数据清洗算法
特征选择方法