基于教师-学生网络的无造影剂CT肝脏肿瘤识别方法

AITNT
正文
推荐专利
基于教师-学生网络的无造影剂CT肝脏肿瘤识别方法
申请号:CN202510235340
申请日期:2025-02-28
公开号:CN120375144A
公开日期:2025-07-25
类型:发明专利
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
1
个性化教学内容的生成方法、装置、电子设备及存储介质
个性化知识库 学生 生成方法 画像 情感特征
2
一种基于文本引导与多尺度融合的单目深度估计方法及系统
单目深度估计方法 图像 文本 视觉特征 残差信息
3
口语问答评估方法及相关装置
口语试题 人工智能模型 关键词 终端设备 文本
4
一种基于混合现实的全息实训平台
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
5
一种多模态以图搜图方法
视觉特征提取 跨模态 文本特征向量 摘要 深度学习模型
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号