CN118552758B 基于狀態空間網絡的肺腺癌浸潤性演變分類方法、系統 （四川大學）

US2022207431A1,2022.06.30基于狀態空間網絡的肺腺癌浸潤性演變分本發明公開了一種基于狀態空間網絡的肺分類方法，其目的在于解決現有技術中存在的GGO影像學特征的IA類型分類準確性較差、分類效率較低的技術問題，其構建的GGO侵襲性分類器輸出的指數移動平均值引導；采用帶有GGO分類標簽的小型數據集對微調編碼器進行微調訓練。可有效提高GGO影像學特征的IA類型分類準2獲取肺部CT圖像樣本數據，肺部CT圖像樣本數據包括不帶GGO分類標簽的大型樣本數構建GGO侵襲性分類模型，GGO侵襲性分類模型包括教師編碼器、2.如權利要求1所述的一種基于狀態空間網絡的肺腺癌浸潤性演變分類方法，其特征3.如權利要求2所述的一種基于狀態空間網絡的肺腺癌浸潤性演變分類方法，其特征34.如權利要求1所述的一種基于狀態空間網絡的肺腺癌浸潤性演變分類方法，其特征；B表示投影參數C表示投影參數N表示輸入X的維度。5.如權利要求4所述的一種基于狀態空間網絡的肺腺癌浸潤性演變分類方法，其特征6.如權利要求1所述的一種基于狀態空間網絡的肺腺癌浸潤性演變分類方法，其特征4GGO侵襲性分類模型訓練模塊，用于采用不帶GGO分類標簽的大型樣GGO侵襲性分類模型訓練模塊中，在訓練GGO侵襲性分類模型時8.一種計算機設備，其特征在于：包括存儲5用計算機輔助診斷方案（CADx并融合深度學習和放射組學特征來提高GGOIA/非IA的分聯架構，為原始CT數據提供分類引導的注意力機制，實現更好的肺腺癌診斷性能；Gong（Gong等人，2020年）使用重采樣等預處理技術和殘差學習架構預測GGO是IA的可能性。[0005]純深度神經網絡方法主要是集中在如何在有限數據集上增強學習信號來有效地6[0006]申請號為202110363571.1的發明專利申請就公開了一種基于神經網絡的肺腺癌[0008]本發明的目的在于：解決現有技術中存在的GGO影像學特征的IA類型分類準確性[0012]獲取肺部CT圖像樣本數據，肺部CT圖像樣本數據包括不帶GGO分類標簽的大型樣7空間計算層，input表示每一個狀態空間模塊的輸入，output表示input對應輸出，表示隨機的一個負樣本，表示經過GGO侵襲性分類模型的某個正樣本輸出，表示負樣本的輸出；8編碼器的微調訓練的骨干，并采用帶有GGO分類標簽的小型數據集對微調編碼器進行微調9[0058]獲取肺部CT圖像樣本數據，肺部CT圖像樣本數據包括不帶GGO分類標簽的大型樣空間計算層，input表示每一個狀態空間模塊的輸入，output表示input對應輸出，表示隨機的一個負樣本，ncxt)表示經過GGO侵襲性分類模型的某個正樣本輸出，n(j)表示負樣本的輸出；GGO類型。損失函數EC通過對H(X)的標準化減輕GGO四空間計算層，input表示每一個狀態空間模塊的輸入，output表示input對應輸出，編碼器的微調訓練的骨干，并采用帶有GGO分類標簽的小型數據集對微調編碼器進行微調表示隨機的一個負樣本，表示經過GGO侵襲性分類模型的某個正樣本輸出，表示負樣本的輸出；GGO類型。損失函數EC通過對H(X)的標準化減輕GGO四儲器還可以用于暫時地存儲已經輸出或者將要輸出的各[0129]所述處理器在一些實施例中可以是中央處理器(CentralProcessingUnit，使得所述處理器執行基于狀態空間網絡的肺腺癌浸潤性演變出貢獻的部分可以以軟件產品的形式體現出來，該計算機軟件產品