摘要
本发明公开了一种基于人工智能的子宫肌瘤识别方法,所述方法包括以下步骤:S1:采集被测者的医学影像数据;S2:对所述医学影像数据进行预处理;S3:将所述预处理后的数据输入到基于人工智能的子宫肌瘤深度学习模型中,以提取子宫肌瘤特征;其中,所述深度学习模型包括特征提取层,所述特征提取层采用包含卷积层和跳跃连接的结构,所述跳跃连接能够根据其得到的输入特征图和通道数选择不同的处理方式,以便信息传递和梯度传播;S4:将所述子宫肌瘤特征输入到分类层,得到子宫肌瘤识别结果。本发明针对磁共振医学影像,改进了数据处理和深度学习的方法,进一步提升子宫肌瘤识别的准确性和可靠性。
技术关键词
医学影像数据
识别方法
子宫
深度学习模型
像素点
分支
神经网络结构
批量
通道
因子
磁共振
检测噪声
特征点
非线性
图像像素
图像增强
输出特征
邻域
系统为您推荐了相关专利信息
电磁轨道发射系统
电枢
绝缘支撑结构
发射装置
脉冲功率系统
双无人机协同
识别方法
轨迹特征
序列
动态时间规整
数据分析方法
深度学习模型
时间段
财务数据分析系统
指标
AI算法
感知系统
校园
信息展示模块
环境监测模块
残差数据
DICOM图像
存储方法
数据处理单元
无损压缩算法