摘要
本发明涉及一种基于任务一致性的生物组织识别和处理方法,包括:构建基于统一任务感知一致性交互框架的网络模型,该网络模型包括用于提取多尺度图像特征的骨架网络以及一个主分支和至少两个额外分支;其中,所述骨架网络基于深度学习模型的编码器‑解码器架构;所述主分支与至少两个额外分支为并联关系,其中,额外分支执行的任务分别与主任务具有强相关性和弱相关性;使用训练样本数据对所述网络模型进行训练,得到生物组织识别处理训练模型;使用生物组织识别处理训练模型对生物组织图像数据进行识别和处理。该方法增强了深度学习的动态能力,使监督和半监督场景都受益,使其在应对医学图像分割复杂挑战方面具有很高的有效性和鲁棒性。
技术关键词
组织图像数据
分支
交互框架
训练样本数据
生物
网络
解码器架构
无标签数据
深度学习模型
医学图像分割
半监督训练
更新模型参数
无监督
半监督学习
多尺度
像素
系统为您推荐了相关专利信息
数据分析方法
动态监测数据
热力图
K均值算法
GPS设备
标志物
多模态
有机光电功能材料
试剂盒
食品安全检测
生命周期预测方法
反渗透膜
特征工程
静态特征
分支
深度学习方法
多模态
森林结构
LiDAR点云
卷积模块
智能识别系统
深度学习特征
区域生长算法
多模态
动态