-
公开(公告)号：CN110046707B
公开(公告)日：2021-08-06
申请号：CN201910298072.1
申请日：2019-04-15
Applicant: 清华大学深圳研究生院
Abstract: 本发明提供一种神经网络模型的评估优化方法和系统。该方法包括：通过主动学习基于不确定性指标选取有训练价值的数据，其中所述不确定性指标用于反映经训练的神经网络模型对数据的分类能力；基于所选取的数据构建测试集并利用所述测试集获得所述神经网络模型的有效性评估结果；根据所述有效性评估结果，优化所述神经网络模型的训练样本集并更新所述神经网络模型，直到获得期望的神经网络模型。采用本发明的方法和系统能够能神经网络模型适应个性化要求并更易于监管。
-
公开(公告)号：CN110046707A
公开(公告)日：2019-07-23
申请号：CN201910298072.1
申请日：2019-04-15
Applicant: 清华大学深圳研究生院
Abstract: 本发明提供一种神经网络模型的评估优化方法和系统。该方法包括：通过主动学习基于不确定性指标选取有训练价值的数据，其中所述不确定性指标用于反映经训练的神经网络模型对数据的分类能力；基于所选取的数据构建测试集并利用所述测试集获得所述神经网络模型的有效性评估结果；根据所述有效性评估结果，优化所述神经网络模型的训练样本集并更新所述神经网络模型，直到获得期望的神经网络模型。采用本发明的方法和系统能够能神经网络模型适应个性化要求并更易于监管。
-
公开(公告)号：CN109685804B
公开(公告)日：2021-04-23
申请号：CN201910007020.4
申请日：2019-01-04
Applicant: 清华大学深圳研究生院
IPC: G06T7/10
Abstract: 本申请属于医学影像处理技术领域，特别是涉及一种多通道头部磁共振成像组织分割方法。但是现有深度学习方法没有利用大脑相对固定的解剖学结构信息。本申请提供一种多通道头部磁共振成像组织分割方法，所述方法包括如下步骤：步骤1:给每个图像匹配到和它最相近的预分割标签，形成4个通道；步骤2:将得到的4个通道数据输入卷积神经网络，通过该输入数据的真实标签进行训练网络，得到训练模型，将测试数据通过训练好的模型得到分割结果。充分利用了脑部组织的先验纹理信息，增加一个新的通道，促进网络的精确分割，提高了网络分割精度。本申请的方法简单，鲁棒性强，不需要改变原有的网络结构，即可加入任何分割网络进行分割。
-
公开(公告)号：CN109685804A
公开(公告)日：2019-04-26
申请号：CN201910007020.4
申请日：2019-01-04
Applicant: 清华大学深圳研究生院
IPC: G06T7/10
CPC classification number: G06T7/10 , G06T2207/10088 , G06T2207/20081 , G06T2207/20084 , G06T2207/30016
Abstract: 本申请属于医学影像处理技术领域，特别是涉及一种多通道头部磁共振成像组织分割方法。但是现有深度学习方法没有利用大脑相对固定的解剖学结构信息。本申请提供一种多通道头部磁共振成像组织分割方法，所述方法包括如下步骤：步骤1:给每个图像匹配到和它最相近的预分割标签，形成4个通道；步骤2:将得到的4个通道数据输入卷积神经网络，通过该输入数据的真实标签进行训练网络，得到训练模型，将测试数据通过训练好的模型得到分割结果。充分利用了脑部组织的先验纹理信息，增加一个新的通道，促进网络的精确分割，提高了网络分割精度。本申请的方法简单，鲁棒性强，不需要改变原有的网络结构，即可加入任何分割网络进行分割。
-
-
-
Search Results
4
records
(took 0.08 seconds)
