摘要
本发明涉及病理辅助检测技术领域,具体是指一种基于人工智能的病理检测辅助系统,包括数据采集模块、特征提取模块、病理分类模块和辅助决策模块,本发明在特征提取模块中采用掩蔽分层聚类对比学习算法,从处理后的病理数据中提取病理特征,引入选择熵平衡的混合鲸鱼优化算法优化特征选择过程,得到最优特征子集;在病理分类模块中,使用GRU‑GC结合图卷积网络,构建病理区域间的因果关系网络,通过多层GCN和图注意力机制,精确识别病理区域之间的空间与时间关系,实现高精度的病理类型识别。
技术关键词
检测辅助系统
特征提取模块
掩蔽阈值
鲸鱼优化算法
异常检测系统
数据采集模块
识别病理
辅助检测技术
卷积神经网络提取
信息熵
注意力机制
特征选择
时间序列特征
KNN算法
网络优化
学习算法
决策
系统为您推荐了相关专利信息
非线性尺度空间
智能监测提醒
深度神经网络模型
患者
数据
特征融合方法
动态
特征提取模块
上采样
后处理模块
围栏
单目深度估计
多模态
距离信息
高斯混合模型
多径
信道脉冲响应
融合深度学习
识别方法
UWB定位系统