公开(公告)号：CN117409019B

公开(公告)日：2024-08-30

申请号：CN202311191861.8

申请日：2023-09-15

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 徐家树 ,  陈芳林

IPC: G06T7/11 ,  G06T7/194 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985 ,  G06N20/20

Abstract: 本发明公开了一种基于集成学习的多模态脑肿瘤图像分割方法及系统，涉及脑肿瘤图像分割技术领域，包括获取四个模态的脑肿瘤图像并进行预处理，得到预处理后的图像数据；分别输入集成模型中进行训练，得出每个模态的图像分割结果；使用元学习获取每个模态的所占权重，对每个模态的图像分割结果进行集成，得出最终预测结果。本发明采用集成学习方法，将多个模型和多个模态的信息结合，有效提高预测和决策的准确性和鲁棒性，减少过拟合，增强模型泛化能力，预测结果更加稳定和可靠；引入注意力机制和自注意机制，提高图像分割的效果和效率，增强图像分割的性能；通过元学习帮助集成学习更加精确地选取模型组合，提高整体模型的性能。

公开(公告)号：CN117409019A

公开(公告)日：2024-01-16

申请号：CN202311191861.8

申请日：2023-09-15

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 徐家树 ,  陈芳林

IPC: G06T7/11 ,  G06T7/194 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985 ,  G06N20/20

Abstract: 本发明公开了一种基于集成学习的多模态脑肿瘤图像分割方法及系统，涉及脑肿瘤图像分割技术领域，包括获取四个模态的脑肿瘤图像并进行预处理，得到预处理后的图像数据；分别输入集成模型中进行训练，得出每个模态的图像分割结果；使用元学习获取每个模态的所占权重，对每个模态的图像分割结果进行集成，得出最终预测结果。本发明采用集成学习方法，将多个模型和多个模态的信息结合，有效提高预测和决策的准确性和鲁棒性，减少过拟合，增强模型泛化能力，预测结果更加稳定和可靠；引入注意力机制和自注意机制，提高图像分割的效果和效率，增强图像分割的性能；通过元学习帮助集成学习更加精确地选取模型组合，提高整体模型的性能。