摘要
本发明涉及一种适用于喉结DR影像的质控分类方法及系统,该方法包括对获取到的每张历史喉结DR影像进行预处理,得到预处理图像;基于预处理后的历史喉结DR影像集,按照预设分配比例进行训练集、验证集、以及测试集的划分;将训练集、验证集输入到分类网络模型中进行模型训练,分类网络模型由多个级联的残差块组成,每个残差块的输出之后,还融入有注意力与多尺度聚合模块,注意力与多尺度聚合模块由顺序排列的CBAM空间通道注意力模块、MSAA多尺度特征聚合模块组成;将测试集输入到训练好的分类网络模型中,基于模型性能评估结果对模型参数进行调优;获取实时喉结DR影像,并将其输入到经过训练并调优后的分类网络模型中,经过处理得到相应的分类结果。
技术关键词
注意力
分类网络
融合特征
影像
标准化技术
池化特征
分类方法
通道
训练集
图像
模型训练模块
多尺度
全局平均池化
级联
分类系统
卷积特征
参数
像素
优化器
系统为您推荐了相关专利信息
甲状腺肿瘤分类
风险预测方法
风险预测模型
血流特征
融合特征
水印特征
载波
神经网络模型
水印解码器
水印嵌入
掌纹特征融合
手掌图像
身份验证方法
静脉
身份识别验证
神经网络模型
负荷预测方法
负荷预测系统
周期
时序