-
公开(公告)号：CN112767328A
公开(公告)日：2021-05-07
申请号：CN202110025559.X
申请日：2021-01-08
Applicant: 厦门大学
Abstract: 基于对抗学习和适应性分析的医学图像病灶跨域检测方法，属于医学图像处理领域。针对医学图像中有标签的数据少、难获得，且不同数据库样本分布差异大，跨数据库检测时泛化性能差等实际问题，包括以下步骤：A、将对抗学习引入深度学习病灶检测框架中构建无监督域适应病灶检测模型；B、局部适应性分析与特征选择；C、全局适应性分析与图像选择。可以有效利用已有的带标签数据，能有效提高跨域病灶检测的性能，提高跨数据库测试时的准确率和召回率，能改善利用深度学习模型进行医学图像病灶检测时的泛化性能，提高跨数据库测试时的准确率和召回率，满足实际应用的需求。
-
公开(公告)号：CN112767328B
公开(公告)日：2022-06-14
申请号：CN202110025559.X
申请日：2021-01-08
Applicant: 厦门大学
Abstract: 基于对抗学习和适应性分析的医学图像病灶跨域检测方法，属于医学图像处理领域。针对医学图像中有标签的数据少、难获得，且不同数据库样本分布差异大，跨数据库检测时泛化性能差等实际问题，包括以下步骤：A、将对抗学习引入深度学习病灶检测框架中构建无监督域适应病灶检测模型；B、局部适应性分析与特征选择；C、全局适应性分析与图像选择。可以有效利用已有的带标签数据，能有效提高跨域病灶检测的性能，提高跨数据库测试时的准确率和召回率，能改善利用深度学习模型进行医学图像病灶检测时的泛化性能，提高跨数据库测试时的准确率和召回率，满足实际应用的需求。
-
Search Results
2
records
(took 0.014 seconds)
