摘要
本发明公开了一种基于极值特征提取的超声图像分布外数据检测方法,适用于深度学习目标检测系统。该方法通过提取目标检测模型中间层的极值特征,构建多维特征向量,并利用专门训练的判别神经网络,实现对输入超声图像是否属于训练数据分布之外的准确判别。该技术无需修改原始检测模型结构,能够显著提升超声图像目标检测系统在多设备、多个体差异条件下的鲁棒性与安全性,降低误诊风险,具有良好的临床应用价值和推广前景。
技术关键词
数据检测方法
特征提取算法
极值
判别准则
数据检测系统
数据分布
多维特征向量
图像获取模块
检测超声
特征提取模块
判别模块
卷积特征
鲁棒性
中间层
特征值
阶段
风险
通道
参数
系统为您推荐了相关专利信息
植被缓冲带
河岸植被
配置设计方法
构建数学模型
两段式结构
地图矢量数据
数据检测方法
图像检测模型
切片
比例尺