[发明专利]基于深度混合学习框架的肺结节CT图像识别方法在审
| 申请号： | 202310055528.8 | 申请日： | 2023-01-16 |
| 公开（公告）号： | CN116030325A | 公开（公告）日： | 2023-04-28 |
| 发明（设计）人： | 黄鸿;吴若愚 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06V10/80 | 分类号： | G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/0455;G06N3/048;G06N3/047;G06N3/084 |
| 代理公司： | 重庆乾乙律师事务所 50235 | 代理人： | 侯春乐 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于深度混合学习框架的肺结节CT图像识别方法，该方案利用CNN模型和ViT模型分别对肺结节CT图像的局部结构特征和长距离上下文关系进行学习并输出相应的表示信息和第二特征映射，然后设计基于注意力机制的特征聚合模块，以自适应分配融合权重的方式对所述表示信息和第二特征映射进行聚合，从而避免过渡的参数设置以及增强识别过程的自动化水平；本发明的有益技术效果是：提出了一种基于深度混合学习框架的肺结节CT图像识别方法，该方案能利用CNN和视觉Transformer（Vision transformer,ViT）联合驱动的深度混合学习框架对胸部CT肺结节的良恶性进行识别，识别准确性较好。 | ||
| 搜索关键词： | 基于 深度 混合 学习 框架 结节 ct 图像 识别 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重庆大学，未经重庆大学许可，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/202310055528.8/，转载请声明来源钻瓜专利网。
