摘要
本发明涉及图像分析技术领域,公开了一种医学图像分类方法、装置、设备、存储介质及产品,该方法包括:获取无标签医学图像样本以及有标签医学图像样本;构建子聚类感知对比半监督学习模型,子聚类感知对比半监督学习模型包括特征聚类分支以及网络学习分支;将无标签医学图像样本以及有标签医学图像样本输入特征聚类分支,根据有标签医学图像样本的动态子聚类结果确定无标签医学图像样本的子聚类伪标签;基于无标签医学图像样本、有标签医学图像样本以及子聚类伪标签训练网络学习分支,获得训练完成后的医学图像分类模型。本发明通过交替协同优化机制,有效解决了图像分类任务中类内差异性大与类间相似性高的问题,提高了图像分类的分类精度。
技术关键词
医学图像分类方法
无标签样本
半监督学习模型
预测类别
分支
聚类
医学图像分类装置
无监督
图像分析技术
网络
可读存储介质
动态
指令
计算机程序产品
系统为您推荐了相关专利信息
图像多尺度
多尺度注意力机制
VGG网络
深度信息融合
多尺度特征融合
深度学习分类
分类系统
深度神经网络模型
计算机
Softmax函数
配送系统
分支卷积神经网络
RFID识别模块
库房
二维码
多通道特征
重识别方法
车辆重识别
多阶段特征
Sigmoid函数