摘要
本发明公开了一种基于AI的医疗图像识别方法,具体涉及数据分析技术领域,采集来自不同模态的医疗图像数据并进行预处理,使用图像注册方法,将不同模态的图像对齐,并对不同模态的图像数据进行融合,使用CNN提取融合图像的低级特征,利用胶囊网络对提取的低级特征进行空间特征建模,捕捉图像中的空间关系和变换信息,并将CNN提取的低级特征与胶囊网络处理的空间特征进行融合,使用大规模的标注医疗图像数据集进行训练,数据集包括不同类型的疾病和正常样本,在模型的训练过程中,设置一个门控注意力机制,用于根据不同疾病的特征自动调整不同图像模态的权重,将融合后的特征输入到训练好的模型中,输出图像的分类标签,精准标识图像中的病灶位置。
技术关键词
医疗图像识别
医疗图像数据
胶囊网络
联合损失函数
注意力机制
注册方法
标签
融合特征
样本
医学影像数据
图像增强方法
分类器
数据分析技术
全局平均池化
概率密度函数
坐标
疾病特征
系统为您推荐了相关专利信息
地基云图
分割方法
解码器结构
深度学习训练
深度学习网络
生态环境监测
关联挖掘算法
数据处理方法
污染程度判断
大数据
协同感知方法
智能船舶
注意力机制
图像识别模型
物体
迁移学习模型
文本理解
词嵌入模型
编码器
非线性