-
公开(公告)号:CN118134866A
公开(公告)日:2024-06-04
申请号:CN202410235814.7
申请日:2024-03-01
Applicant: 吉林大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/771 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于原型对比学习的双分支网络模型的DR分类方法,包括:获取糖尿病患者的糖尿病视网膜病变DR图像,将所述DR图像输入至原型对比学习的双分支网络模型中进行分类识别,获得分类结果;其中,所述原型对比学习的双分支网络模型包括骨干网络、特征学习分支和分类器分支。本发明有效地缓解了数据集中样本分布不平衡带来的挑战,特别是在少数类别样本的学习特征方面,确保了从特征学习到分类决策的平稳过渡。
-
公开(公告)号:CN117576033A
公开(公告)日:2024-02-20
申请号:CN202311540075.4
申请日:2023-11-17
Applicant: 吉林大学
IPC: G06T7/00 , G06T7/11 , G06N3/0895
Abstract: 本公开提供了基于多任务自监督学习的医学图像分割方法、装置及介质,获取医学图像,所述图像为灰度图像或彩色图像;将所述图像通过多任务联合预训练模块,根据任务要求不同进行训练,得到预训练好的编码器;将所述图像按照多个自监督学习任务的任务要求进行像素级变换;将所述图像的变换图像通过一个编码器结构,获得一个整合后的高维特征输出;将所述高维特征输出通过一个多头投影头,根据多任务要求训练以更新编码器参数;将所述编码器与分割解码器组合,对需分割的图像处理后输入,得到分割结果。针对多任务预训练模块设计了基于梯度的动态权重调整机制和动态学习率调整机制,缓解了多任务收敛速度的差异,更好地协同了多任务之间的学习过程。
-