基于自监督学习的三维医学影像异常检测方法及系统

AITNT
正文
推荐专利
基于自监督学习的三维医学影像异常检测方法及系统
申请号:CN202510736680
申请日期:2025-06-04
公开号:CN120259787B
公开日期:2025-08-19
类型:发明专利
摘要
基于自监督学习的三维医学影像异常检测方法和系统,方法包括如下步骤:根据三个尺度不同的原始特征图,分别构建三个独立的特征嵌入网络;利用特征嵌入网络,将三个原始特征图转换成一维的嵌入向量;计算伪异常图像与正常图像在每一尺度下的嵌入向量之间的均方误差之和;利用Adam优化器对特征嵌入网络进行参数更新;构建与编码器结构对称的解码器;利用全连接层扩展三个嵌入向量并分别重塑,生成三个低分辨率特征图,低分辨率特征图的空间分辨率与layer3特征图相同;将三个低分辨率特征图进行融合后得到layer3重建特征图;解码器的上采样模块对layer3重建特征图逐层级联重建,得到与layer1特征图和layer2特征图分辨率分别一致的layer1重建特征图和layer2重建特征图。
技术关键词
三维医学影像 异常检测方法 三维卷积神经网络 三维医学图像数据 编码器结构 三维特征提取 多尺度特征提取 解码器 分辨率 异常检测系统 采样模块 噪声 纹理特征 网络结构 级联
系统为您推荐了相关专利信息
1
一种模型异常检测方法、装置、设备及介质
模型异常检测方法 电能 定位组件 异常检测装置 可读存储介质
2
一种基于大语言模型的分割学习车联网异常检测方法及系统
大语言模型 异常检测方法 注意力机制 异常检测系统 滑动窗口
3
一种基于大语言模型的异常检测方法及装置
文本 异常检测方法 大语言模型 训练集 神经网络模型
4
基于零样本学习的雷达辐射源识别方法、存储介质及设备
雷达辐射源信号 卷积特征提取 样本 分类器 一维卷积神经网络
5
基于联邦学习和漂移检测的网络异常流量检测方法及系统
网络流量数据集 大规模分布式网络 网络异常流量检测 渐进式神经网络 节点特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号