基于知识图谱的眼底图像多标签分类模型生成方法及系统

    公开(公告)号:CN117392470B

    公开(公告)日:2024-03-01

    申请号:CN202311684312.4

    申请日:2023-12-11

    Abstract: 本发明涉及人工智能技术领域,揭露了一种基于知识图谱的眼底图像多标签分类模型生成方法及系统,该方法包括:根据知识图谱标签信息对眼底图像集进行关联分析,根据关联分析的结果生成初始图数据库;对初始图数据库进行样本平衡,得到目标图数据库;对目标图数据库中的眼底图像进行特征提取,得到图像特征向量;对目标图数据库中的知识图谱进行词嵌入向量表示,利用图卷积网络对嵌入标签向量进行传递学习,得到标签分类矩阵;根据图像特征向量及标签分类矩阵进行多标签分类,确定预测分类标签;根据预测分类标签及真实标签优化多标签分类模型。本发明可以提高多标签分类模型进行眼底图像多标签识别时疾病标签之间的相关性以及识别结果的准确性。(56)对比文件Zongyun Gu 等.Classification ofDiabetic Retinopathy Severity in FundusImages Using the Vision Transformer andResidual Attention.ComputationalIntelligence and Neuroscience.2023,第2023卷1-12.

    一种用于图像的多标签分类方法及装置

    公开(公告)号:CN119851048A

    公开(公告)日:2025-04-18

    申请号:CN202510329043.2

    申请日:2025-03-20

    Abstract: 本发明提供一种用于图像的多标签分类方法及装置,该方法包括:获取待处理图像;利用训练好的第一网络提取待处理图像的特征,得到第一特征;根据第一特征、以及预设的第二特征,得到各标签的预测得分;根据各标签的预测得分、以及预设的得分阈值,得到待处理图像的分类标签。该方法通过训练好的第一网络来对图像的特征进行提取,并根据预设的、用于表征各标签语义特征及其相关性信息的第二特征来对第一网络提取的特征进行处理,从而得到所有标签的预测得分,该预测得分在预测时,不仅考虑了图像本身的特征,还考虑了各标签之间的关联性,从而实现了图像特征和标签拓扑的深度融合,使得多标签分类结果更加准确。

    基于知识图谱的眼底图像多标签分类模型生成方法及系统

    公开(公告)号:CN117392470A

    公开(公告)日:2024-01-12

    申请号:CN202311684312.4

    申请日:2023-12-11

    Abstract: 本发明涉及人工智能技术领域,揭露了一种基于知识图谱的眼底图像多标签分类模型生成方法及系统,该方法包括:根据知识图谱标签信息对眼底图像集进行关联分析,根据关联分析的结果生成初始图数据库;对初始图数据库进行样本平衡,得到目标图数据库;对目标图数据库中的眼底图像进行特征提取,得到图像特征向量;对目标图数据库中的知识图谱进行词嵌入向量表示,利用图卷积网络对嵌入标签向量进行传递学习,得到标签分类矩阵;根据图像特征向量及标签分类矩阵进行多标签分类,确定预测分类标签;根据预测分类标签及真实标签优化多标签分类模型。本发明可以提高多标签分类模型进行眼底图像多标签识别时疾病标签之间的相关性以及识别结果的准确性。

Patent Agency Ranking