CN119475167A 一种基于深度学习的病例异常检测方法与系统 （无锡信中特金属制品有限公司）_第1页
CN119475167A 一种基于深度学习的病例异常检测方法与系统 （无锡信中特金属制品有限公司）_第2页
CN119475167A 一种基于深度学习的病例异常检测方法与系统 （无锡信中特金属制品有限公司）_第3页
CN119475167A 一种基于深度学习的病例异常检测方法与系统 （无锡信中特金属制品有限公司）_第4页
CN119475167A 一种基于深度学习的病例异常检测方法与系统 （无锡信中特金属制品有限公司）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

正阳村(无锡市天宇精密陶瓷制造有一种基于深度学习的病例异常检测方法与本发明公开了一种基于深度学习的病例异括数据收集与预处理模块、多模态特征提取模2卷积神经网络进行特征提取；所述特征融合模块将不同模态的特征提取的数据进行融合；所述上下文信息整合模块将患者的临床信息与融合特征进行整合，通过向量拼接的方式，据收集与预处理模块包括数据收集单元和数据处理单元，所述数据收集单元包括储存器，模态特征提取模块将预处理后的图像分别送入多模态特征提取模块内的多分支卷积神经modalitymodalitymodmodalitymodalitymodmodalitymodalitymodalitymodality32常检测模型模块将上下文信息整合模块基于整合后的特征向量输入深度学习模型进行异型迭代训练与验证模块基于模型训练与优化模块的初步训练的结果以及系统通过新的病45别出细微的病变，从而辅助医生做出更准确的诊断，随着医学影像技术的迅速发展，CT、模型训练与优化模型采用训练数据集进行多次迭代，通过反向传播算法不断调整模型参6modalitymodalitymodmodalitymodalitymodmodalitymodalitymodalitymodality[0023]本发明技术方案的进一步改进在于：所述上下文信息整合模块将患者的临床病块基于整合后的特征向量输入深度学习模型进行异常检测，异常检测公式为：78存器，储存器首先接收不同模态的医学图像数据，将收集的图像数据信息坐标表示为(x,9[0056]多模态特征提取模块将预处理后的图像分别送入多模态特征提取模块内的多分modalitymodalitymodmodalitymodalitymodmodalitymodalitymodalitymodalitymodalitymodality然后通过加权方法对这三种特征向量进行融合，权重参数可根据临床实际需求进行调整，[0076]异常检测模型模块将上下文信息整合模块基于整合后的特征向量输入深度学习[0086]模型迭代训练与验证模块基于模型训练与优化模块的初步训练的结果以及系统[0093]一种基于深度学习的病例异常检测方法，用于实现权利要求1_9任一项的一种基处理后的影像数据会分别通过多模态卷积神经网络modalitymodalitymodmodalitymodalitymodmodalitymodalitymodality

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论