摘要
本发明涉及医学图像处理领域,具体涉及一种基于多视图自监督学习的内窥镜龋齿检测方法,包括生成全局图像→生成全局图像样本对→生成局部视图→生成局部视图样本对→全局和局部样本对→预训练模型损失计算→预训练模型微调。本发明设计的BFN主干网既适合下游以CNN网络为主干的检测模型,又适合下游以Transformer网络为主干的检测模型,提高了预训练模型的适用性,全局和局部视图通过MSS策略进行多层级的相互监督,显著提高了模型的特征表示,更有利于下游多尺度龋齿检测。
技术关键词
内窥镜
层级
预训练模型
编码器
样本
局部图像特征
图像增强
龋齿疾病
医学图像处理
策略
内存
可读存储介质
网络
分支
饱和度
对比度
处理器
阶段
系统为您推荐了相关专利信息
大语言模型
文本编码器
图像编码器
样本
视觉特征
变形测量方法
子系统
传感
投影单元
投影光源系统
道路巡检机器人
混合编码器
障碍检测方法
多尺度特征融合
解码器
强化特征
无人机
输出特征
通道注意力机制
融合特征