摘要
本发明公开了一种基于特征融合的胸部DR影像质量评估方法,首先收集胸部DR影像并分割得到感兴趣区域;接着分别使用影像组学特征提取网络和深度学习特征提取网络提取影像组学特征和深度学习特征;同时采用双特征对比预测编码和对比对数比上限相结合的方式进行互补对比学习优化深度学习特征提取网络;最后进行特征融合经过深度学习分类头进行图像质量等级分类。本发明一方面考虑影像组学特征和深度学习特征的交互性,利用特征融合技术实现特征间的全面交互,提升融合后特征的表示能力,提高预测性能进而保证质量等级评估的准确性;另一方面通过互补对比学习策略最大化和最小化特征间的互信息,增强特征间的互补性,提升模型的可解释性。
技术关键词
组学特征
深度学习特征提取
影像
深度学习分类
图像分割网络
特征提取网络
感兴趣
特征提取模块
网络优化
特征融合技术
图像增强
深度特征提取
编码
伪影
融合方法
统计特征
评估系统
系统为您推荐了相关专利信息
宠物机器人
多模态交互
机器人本体
音乐
无线通信单元
文本生成模型
图像特征向量
多模态
图像编码器
报告
地物特征
制图方法
特征提取模块
深度卷积神经网络模型
注意力机制
浅海地形
测绘方法
反演模型
海洋遥感监测技术
遥感图像处理平台
机械臂坐标系
探头
机械臂运动学
坐标系配准
机械臂末端执行器