龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：东华理工大学
摘要：本发明涉及医学图像分类技术领域，具体的说是一种基于GNN和CNN双向结合的CT图像分类模型构建方法，包括以下步骤：步骤1，CT图像数据集划分合适比例的训练集和验证集，根据数据集大小调整训练集和验证集比例，保证各标签的数据量大致相同；步骤2，CNN模型输入预权重，将步骤1的训练集预处理后输入模型提取图像特征；本发明提出了一种CT图像的分类模型，该模型采用将GNN与CNN进行融合的方法，利用GNN对特征信息和结构信息的学习能力，对CNN处理CT图像进行半监督，提高CNN对CT图像的学习和分类效果，也可利用CNN对图像数据特征提取的优良表现，改进GNN面对欧几里得数据的不佳表现。
主权项：1.一种基于GNN和CNN双向结合的CT图像分类模型构建方法，其特征在于，包括以下步骤：S1、CT图像数据集划分合适比例的训练集和验证集，根据数据集大小调整训练集和验证集比例，保证各标签的数据量大致相同；S2、CNN模型输入预权重，将步骤S1的训练集预处理后输入模型提取图像特征；S3、根据分类要求和医生经验，构建图的框架，构图方向选择纵向构图或横向构图中的一种；S4、选择CNN模型或者GNN模型中的一种作为融合特征输出方向，分别为方式1和方式2：S5、方式1则进行GNN模型节点的聚合、更新，输出标签值，方式2则将全连接层的特征映射与标签关联矩阵采取相乘的方式进行融合，输出标签值；S6、建立损失函数，通过梯度下降更新模型参数，设置合理的超参数进行训练；S7、输入测试集，验证模型性能。
全文数据：
权利要求：
百度查询： 东华理工大学 一种基于GNN和CNN双向结合的CT图像分类模型构建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号