[发明专利]一种基于多特征融合及对比学习的高原肺水肿预测方法在审
| 申请号： | 202310433513.0 | 申请日： | 2023-04-21 |
| 公开（公告）号： | CN116934675A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 高全胜 | 申请（专利权）人： | 军事科学院军事医学研究院环境医学与作业医学研究所 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/26;G06V10/40;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/047;G06N3/048;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300050*** | 国省代码： | 天津;12 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种高原肺水肿预测诊断方法，包括以下步骤：S1、基于Dense‑U‑Net的全自动病灶分割算法；S2、构建两分支特征学习网络，学习病灶及全肺特征；S3、样本对构建；S4、对比特征学习；S5、高原肺水肿预测。本发明采用上述的基于多特征融合及对比学习的卷积神经网络模型，可全自动地对高原肺水肿CT影像进行分析，进而实现高原肺水肿的预测。相比于使用单一的卷积神经网络进行分类，本方法使用多特征融合及特征对比学习，在训练时随机选取两个样本构建成样本对，然后使用共享权重的网络对样本对中的两个样本进行全肺特征提取及病灶特征提取；通过特征对比学习的方式，对两个样本的特征进行距离度量，若两个样本属于同样的预测，则两个样本的全肺特征和病灶特征分别距离较近；若两个样本属于不同的预测，则两个样本的肺特征和病灶特征分别距离较远。通过结合特征距离与交叉熵损失函数，可使得同一类别的样本其深度学习特征相似，不同类别的样本其深度学习特征差异大，进而对特征进行优化融合，提升分类精度。 | ||
| 搜索关键词： | 一种 基于 特征 融合 对比 学习 高原 肺水肿 预测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于军事科学院军事医学研究院环境医学与作业医学研究所，未经军事科学院军事医学研究院环境医学与作业医学研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310433513.0/，转载请声明来源钻瓜专利网。
