公开(公告)号：CN117911771A

公开(公告)日：2024-04-19

申请号：CN202410083197.3

申请日：2024-01-19

Applicant: 中南林业科技大学

Inventor： 黄巨 ,  杨帆

IPC: G06V10/764 ,  G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895 ,  G06N3/09 ,  G06V40/20

Abstract: 本发明公开了基于Resnext集成网络构建训练模型用于医学胸部图像疾病分类的方法，包括以下过程，有标签和无标签的图像数据收集后进行处理；构建ResNext模型；有标签的图像数据对ResNext模型进行监督学习；训练好的ResNext模型对无标签图像数据进行预测；有标签数据和伪标签生成的数据合成新的训练集；合并后的数据集对ResNext模型进行半监督学习；可多次重复步骤4‑7；测试集对训练好的模型进行性能评估微调模型参数和结构；训练好的模型对医学胸部图像结果分析进行疾病分类；在半监督学习方法的基础上，采取反课程伪标签方法，用Resnext50_32x4d网络模型作为主干网络，结合多分类交叉熵损失函数以及CBAM注意力机制，能够有效捕获图像中的抽象特征，提高了医学胸部图像疾病分类的准确率。