摘要
本发明公开了一种基于自监督学习的胚胎生长阶段预测方法及系统,所述包括以下步骤:采集不同生长阶段的胚胎图像作为训练集,将所述训练集中的每张胚胎图像分割成若干个大小相同的块;在每张胚胎图像中随机选取一半的块进行掩码处理,得到掩码训练集;构建包括编码器和解码器的预测模型,所述编码器从所述掩码训练集中提取特征序列,所述解码器根据所述特征序列重建胚胎图像;将多个加权组合的核函数作为预测模型的损失函数,通过交叉验证与梯度下降调整每个核函数的权重,采用反向传播对预测模型的参数进行调优,得到最优预测模型;将待预测的胚胎图像输入最优预测模型,得到胚胎的生长阶段预测结果。
技术关键词
胚胎
特征提取模块
预测系统
训练集
阶段
编码器
解码器
多层感知机
评估预测模型
优化预测模型
图像分割
深度学习网络
注意力
形态学特征
序列
超参数
分布特征
系统为您推荐了相关专利信息
蒸汽含水量
PID算法控制
温度传感器
判断蒸发器
烹饪腔室
厢式电梯
瓶颈结构
特征融合网络
构建训练集
输出特征
锂电池健康状态
重构模型
充放电数据
曲线
统计学特征
传输层拥塞控制方法
水声传感器网络
拥塞窗口
时间序列预测模型
报文
作物种植面积
网格
计算方法
计算机执行指令
阶段