公开(公告)号：CN119107499A

公开(公告)日：2024-12-10

申请号：CN202411234861.6

申请日：2024-09-04

Applicant: 东北林业大学

Inventor： 董素宇 ,  张贻峰 ,  董庆 ,  孙一欣 ,  曹绍东

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G16H50/30 ,  G16H30/40 ,  G06V10/80 ,  G06V10/77 ,  G06V10/52 ,  G06V10/44 ,  G06V10/42 ,  G06N3/0895 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/088

Abstract: 一种基于轻量化模型和半监督学习的AS严重程度分类系统，它属于医学图像处理领域。本发明解决了现有方法存在对无标注数据的浪费、缺少视图分类和图像级AS严重程度分类导致的患者级AS严重程度分类的可解释性差、模型参数量大导致算力要求高等问题。本发明基于结构重参数化和深度大核卷积以及小波下采样设计了轻量级模型LWM，并通过半监督学习训练LWM。半监督学习使用了有针对性的强增强和选择性总损失计算，可以使用有标签数据和大量无标签数据训练模型LWM，训练好的LWM实现了视图分类和图像级AS严重程度分类，再使用基于视图相关性的聚合机制得到患者级AS严重程度分类结果。本发明方法可以应用于超声心动图的视图分类、AS严重程度分类。