摘要
本申请公开了一种乳腺硬腺症与乳腺癌的智能诊断系统及方法,涉及影像处理技术领域,系统包括:数据获取模块用于获取诊断样本集;特征工程模块结合机器学习、专家经验及逐步回归法进行特征筛选得到关键检查特征集;数据增强模块采用合成少数过采样技术进行新样本合成得到增强诊断样本集;模型确定模块对多种预设机器学习诊断模型进行训练及性能评估以选择最优机器学习诊断模型;解释性模块采用SHAP方法解释各个关键检查特征对最优机器学习诊断模型的预测结果的贡献度;检测应用模块接收患者的当前检查数据并输入至最优机器学习诊断模型中,以得到疾病类型。本申请可实现对于乳腺硬腺症与乳腺硬腺症伴随乳腺癌的精准识别,且更便捷。
技术关键词
检查特征
智能诊断系统
乳腺
过采样技术
梯度提升树模型
数据获取模块
特征工程
机器学习算法
子模块
线性支持向量机
训练样本集
疾病
肿块
智能诊断方法
集成模块
支持向量机模型
报告
逻辑回归模型
系统为您推荐了相关专利信息
编码器模块
多级特征融合
融合特征
乳腺肿瘤分割方法
形态
培训系统
数据同步
低空飞行器
培训设备
数据传输协议
生物标志物
预测乳腺癌
LightGBM模型
训练集
随机搜索方法
远传系统
小波变换处理
数据
计算机执行指令
构建状态转移模型
强化学习模型
散热片单元
故障智能诊断方法
高斯混合模型
共振频率