摘要
本发明提供一种肺炎CT影像病原学分类方法、系统和介质,方法包括:构建训练集;进行特征提取;进行半监督学习训练,包括对有标签影像的监督学习以及基于预测概率和自适应置信度阈值为无标签影像赋予伪标签;进行对比学习训练,包括对剩余无标签影像的自监督对比学习,联合有标签影像和伪标签影像共同进行有监督对比学习;构造联合损失函数,并进行反向传播优化;重复进行特征提取、半监督学习、对比学习和损失函数优化的步骤,直至训练完成;基于训练完成的特征提取网络和分类头,建立分类系统,使用分类系统对肺炎CT影像进行分类。本发明通过置信度阈值逐类别迭代优化机制获得了高质量伪标签,利用动态加权平衡损失有效缓解类别不平衡问题。
技术关键词
影像
标签
特征提取网络
置信度阈值
分类方法
联合损失函数
半监督学习
分类系统
构建训练集
计算机存储介质
生成特征向量
损失函数优化
预测类别
索引
动态
参数
机制
样本
系统为您推荐了相关专利信息
开集识别方法
分布式光纤传感
超参数
周界
算法模型
跨模态数据
无人设备
预测订单量
指数
构建无人机
声学场景分类方法
残差网络
分类器
注意力
计算机可读指令
桌面式电源
动态负载响应
智能检测方法
指数
电压
轨道机器人
标签识别装置
巡检轨道
定位标签
定位方法