基于改进ResNet模型的甲状腺显像图像自动诊断方法

    公开(公告)号:CN117058079A

    公开(公告)日:2023-11-14

    申请号:CN202310959816.6

    申请日:2023-07-28

    Abstract: 本发明公开了基于改进的ResNet模型的甲状腺显像图像自动诊断的方法,对具有标签的图像进行预处理,后得到训练图像数据集和验证数据集;建立甲状腺显像图像的分类模型ThyNet,将验证图像数据集输入分类模型中,得到最终疾病的预测结果。本发明方法设计了新的网络结构模型,根据甲状腺显像图像获得最终的甲状腺疾病诊断;本发明使用图像增强技术,有效增加原始数据集,避免因数据量过小使网络过拟合,提高了甲状腺显像图像的分类准确率高;其次,本发明是在ResNet34残差网络模型的基础上进行修改,保留了深层网络梯度消失和退化问题,同时还融合了通道注意力机制,提高了甲状腺疾病的识别准确率。

Patent Agency Ranking