摘要
本申请提供一种医学图像的可聚合因果信息提取方法、装置、设备及介质。涉及表示学习、因果推断与深度生成模型技术领域。该方法包括:构建因果表示学习框架;因果表示学习框架包括编码器、结构因果模型、解码器和判别器,编码器用于将输入的医学图像编码为低维的外生变量,结构因果模型以低维的外生变量作为输入,并基于低维的外生变量生成因果表示,解码器用于干预并重构因果表示,判别器用于对抗性训练;建立模型训练损失函数,基于模型训练损失函数对因果表示学习框架进行训练,以训练后的因果表示学习框架实现医学图像中的可聚合因果信息提取。本申请识别出的因果图能够明确描述不同特征之间的因果关系,为临床医生提供更透明的决策支持。
技术关键词
信息提取方法
计算机执行指令
变量
样本
注意力
编码器
解码器
矩阵
框架
图像编码
锚点
三元组
对抗性
sigmoid函数
深度生成模型
信息提取装置
医学图像数据
损失函数优化
系统为您推荐了相关专利信息
碳纤维复合材料
模拟测试方法
数据
多类支持向量机
表达式
现场数据采集
动态变形模量
现场快速检测
机器学习模型
冲击加载装置
电力市场主体
群体智能优化算法
决策方法
度函数
计划