摘要
本申请公开了基于教师‑学生网络的无造影剂CT肝脏肿瘤识别方法,涉及图像识别技术领域,解决了现有的无造影剂肝脏肿瘤识别技术难以适应于无造影剂CT图像;导致无造影剂CT图像的识别准确度较低的技术问题;构建教师网络模型和学生网络模型,包括:教师网络:对原始图像和文本数据进行预处理得到视觉特征图和文本知识特征;对视觉特征图进行知识提炼得到提取特征;对提取特征和文本知识特征进行知识融合得到融合特征;将融合特征通过知识蒸馏传递给学生网络;学生网络:根据教师网络的若干特征优化学生网络的特征分布;获取无造影剂CT图像;将无造影剂CT图像输入学生网络得到识别结果;提高了肿瘤识别的效率和准确性。
技术关键词
肿瘤识别方法
视觉特征
造影剂
学生
教师
网络
矩阵
融合特征
文本
肝脏
通道
交叉注意力机制
图像识别技术
上采样
形态
数据
蒸馏
系统为您推荐了相关专利信息
实训平台
卷积网络模型
子模块
数据收集模块
数据处理模块
视觉特征提取
跨模态
文本特征向量
摘要
深度学习模型