摘要
本发明公开了一种准确率高的心脏磁共振检查方法,涉及医疗技术领域。本发明基于HCM患者的SVM支持向量机、CNN卷神经网络和XGboost极端梯度提升三个算法作为基础学习器,以辅助HCM的准确诊断,且在SVM支持向量机、CNN卷神经网络和XGboost极端梯度提升的配合下构建了一个多模型融合的混合训练模型,提高了模型的诊断准确率;将逻辑回归应用于多模型融合,进一步优化了模型的性能,提高了模型的泛化能力;针对HCM诊断任务,提出了一种新的训练模型,为临床诊断提供了新的技术支持。
技术关键词
心脏磁共振
构建机器学习模型
检查方法
支持向量机
构建图像数据库
数字影像
图像数据处理
左心室
图像处理技术
计算机视觉
学习器
指标
组织
报告
逻辑
算法
疾病
定义
系统为您推荐了相关专利信息
标签生成方法
词语
文本
支持向量机模型
标签预测值
医学影像分析方法
扩散张量图像
图像处理
坐标
结构磁共振
深度信念网络
梯度提升决策树
焦点损失函数
载荷特征
梯度提升机
代表
残差矩阵
分析系统
支持向量机分类器
标志物