一种改进ResNeXt神经网络的轻量级多模态医学图像分类方法

    公开(公告)号:CN117274662A

    公开(公告)日:2023-12-22

    申请号:CN202311022573.X

    申请日:2023-08-14

    摘要: 本发明涉及图像处理领域,提供了一种改进ResNe×t神经网络的轻量级多模态医学图像分类方法。主旨在于解决医学图像分类中,不同模态图像之间存在较大差异,传统机器学习基于深度学习的方法对于多模态数据的处理能力较弱的问题。主要方案为对来自两个不同模态的医学图像进行预处理,得到处理后的图像;将处理后的图像按照比例划分训练集、测试集和验证集;对训练集的数据进行数据增强;构建子网络,分别对两个模态的图像数据进行特征提取,得到不同维度的特征张量以后,将其拼接起来;构建改进后的ResNeXt卷积神经网络作为分类模型;进行参数优化后将预处理之后的数据送入已经优化好的分类模型中,通过分类模型的分类器输出分类结果。

    一种基于深度学习的婴儿痉挛症临床发作视频识别方法

    公开(公告)号:CN117058584A

    公开(公告)日:2023-11-14

    申请号:CN202311022570.6

    申请日:2023-08-14

    摘要: 本发明涉及计算机视觉领域、视频监控以及医疗康复等多个领域,尤其是一种基于深度学习的婴儿痉挛症临床发作视频识别方法。主旨在于结合计算机视觉技术精确定位患者活动情况,并实现自动识别患者是否发作。主要方案包括构建数据集,得到训练集和验证集,进行数据预处理;构建改进的vision transformer分类网络模型;把处理过的数据输入到改进的vision transformer分类网络中进行训练;观察训练模型收敛情况,判断损失函数是否过拟合,是否满足训练标准;如果满足训练标准则直接输出标准识别模型,不满足则找到符合预设标准的权重函数并且解冻数据集再次精化训练,得到满足标准的权重函数后输出标准婴儿痉挛症临床发作识别模型。