摘要
本发明公开了一种基于深度学习的生存曲线图像数据重建方法,S1、获取待重建的生存曲线图像数据;S2、对所述待重建的生存曲线图像数据进行标准化处理、去噪处理和分块处理;S3、构建改进深度学习网络模型;S4、基于蜘蛛蜂优化算法对深度学习网络模型的超参数和网络权重进行优化;S5、将待重建的生存曲线图像数据输入训练完成的深度学习网络模型,生成重建的生存曲线图像数据。本发明有效避免了特征丢失和过拟合问题,显著提高了重建精度,确保了生成的生存曲线图像数据在像素级和结构级的一致性。
技术关键词
深度学习网络模型
数据重建方法
曲线
图像数据集合
交叉注意力机制
多尺度特征提取
融合特征
异常点
加权特征
分块
分支
软阈值函数
像素
邻域
系统为您推荐了相关专利信息
粒子群优化算法
气雾
样本
极限学习机算法
训练集
交叉注意力机制
编码器
页面
子模块
前馈神经网络
工业视觉检测系统
解码器
重构
视觉特征
编码器参数
环境内分泌干扰物
数据整合分析方法
多组学数据整合分析
分布式爬虫框架
XML格式数据