摘要
本发明公开了一种基于虚拟解剖图像的死亡原因判别方法,包括以下步骤:S1、数据预处理:获取待判别的尸体CT图像数据,并进行预处理;S2、特征提取:将预处理后的三维图像数据输入至三维卷积神经网络模型中进行特征提取,通过三维卷积神经网络模型的前向传播,得到特征向量;S3、死亡原因判别:将特征向量输入至分类器中进行分类,得到CT图像数据对应的各个死亡原因类别的概率值,并选择概率值最高的类别作为死亡原因;S4、可解释性分析:利用LIME算法对三维卷积神经网络模型的死亡原因判别结果进行可解释性分析,生成显著性图。本发明能够自动从虚拟解剖图像中提取特征并进行死亡原因判别,提高了法医鉴定的效率。
技术关键词
三维卷积神经网络模型
三维图像数据
判别方法
CT图像数据
双线性插值方法
加权最小二乘法
样本
全局平均池化
分类器
尺寸
算法
优化器
定义
强度
系统为您推荐了相关专利信息
医学图像分割模型
分割医学图像
医学图像分割方法
医学图像分割系统
医学图像数据集
场景知识图谱
智能扫地机
清扫策略
分布式计算节点
零知识证明机制
测井计算方法
电缆地层测试
动态
微观孔隙结构
饱和度
输电线路导线弧垂
无人机巡检图像
智能判别方法
数字高程模型
定位绝缘子
配网设备
模型训练方法
图谱特征
融合特征
电气设备