摘要
本发明实施例涉及一种融合多模态特征预测乳腺癌分类的处理方法和装置,所述方法包括:构建第一编码器、第二编码器、第一预测网络;并以第一、第二编码器和第一预测网络为基础构建乳腺癌分类模型;并构建模型训练数据集记为第一数据集;并先基于第一数据集对乳腺癌分类模型进行第一轮有掩膜图模型训练再对模型进行第二轮无掩膜图模型训练;两轮模型训练结束后,由乳腺癌分类模型根据用户输入的被测者数据进行预测得到对应的被测者预测向量向当前用户反馈。通过本发明可以提高预测准确度、降低误判/漏判率,可以增强模型的鲁棒性、抗噪能力和泛化能力。
技术关键词
乳腺超声影像
乳腺癌分类
融合多模态特征
预测乳腺癌
编码器
多模态特征融合
残差网络
掩膜
空间注意力网络
输入端
Softmax函数
多级特征融合
矩阵
训练特征
组学特征
ReLU函数
标签
系统为您推荐了相关专利信息
轴向移动机构
机械臂气缸
夹紧活塞
X轴电机
夹取机构
分类结构
样本
训练集
皮尔逊相关系数
全局平均池化
资金
森林模型
追踪方法
自动编码器
数据处理单元
UHMWPE纤维
三维模型
定量识别方法
训练深度学习模型
工业CT检测方法