摘要
本发明涉及肺部CT图像中的肺结节检测技术领域,具体涉及一种半监督多视角特征对齐的肺结节CT检测算法,该算法包括:收集并预处理开源肺部CT图像数据集、构建肺结节检测网络、通过教师网络指导学生网络结合有标签和无标签数据进行训练、通过验证集调整模型的超参数、使用优化后的模型对测试集及待检测肺部CT图像进行肺结节检测。该方法利用半监督学习技术,整合两类模型的优点,有效提升肺部CT图像中的肺结节检测检测精度,得到更快的检测速度和更高的检测精度,大大提高了噪声条件下肺部CT图像中肺结节检测的检测精度。
技术关键词
多视角特征
CT检测
肺部CT图像
网络
并行解码器
教师
算法
半监督学习技术
结节检测技术
噪声条件
学生
标签
特征提取模块
融合多尺度特征
交叉注意力机制
上采样
编码器特征
训练集
双线性插值
系统为您推荐了相关专利信息
汽车电机
电机运行状态监测
裂纹
生成电机
监测电机
深度生成对抗网络
同步电机
电机轴承
数据
故障特征模型
业务协同管理
异常点
关联规则挖掘方法
因子
协同管理系统
环境数据管理系统
金属电表箱
多传感器阵列
预警组件
故障预测模型