基于域泛化神经网络的颅脑图像检测方法及模型构建方法
申请号:CN202410920695
申请日期:2024-07-10
公开号:CN118941501A
公开日期:2024-11-12
类型:发明专利
摘要
本发明提供了一种基于域泛化神经网络的颅脑图像检测方法及模型构建方法,属于医学图像检测技术领域。本发明从不同群体采集到表征颅脑健康状况的数据存在一定的差异,但又均有能够表征颅脑健康状态的具体特征。为提取这部分关键特征,引入最大均值差异,利用该方法,将通过提取网络的数据,映射到希尔伯特空间,并度量不同人体内收集的特征之间的差异性,通过减小这部分差异,使得在某个维度内,提取的特征具有领域不变的特性,即在希尔伯特空间中,所提取的特性为共有特性。又引入分类神经网络,利用其强大的特征学习能力深度挖掘共有特征中的判别性,从而提高颅脑健康诊断的准确率。通过训练优化的神经网络模型,提高了颅脑健康诊断的精度。
技术关键词
图像检测模型
图像检测方法
超声波图像数据
分类神经网络
特征提取网络
混合损失函数
医学图像检测技术
神经网络参数
模型构建方法
优化特征距离
度量
图像检测设备
数据分布特征
处理器
表达式
高斯核函数
可读存储介质