申请/专利权人:山东大学
申请日:2024-04-25
公开(公告)日:2024-07-05
公开(公告)号:CN118299044A
主分类号:G16H50/20
分类号:G16H50/20;G16H30/40;G16H50/70;G06N3/0464;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.07.23#实质审查的生效;2024.07.05#公开
摘要:本发明提出了一种基于类激活图的自解释医学影像诊断系统,涉及图像处理技术领域,包括:影像获取模块获取待诊断的医学影像;类别预测模块将预处理后的医学影像输入到CNN模型中进行前向传播,得到一组特征图及最终预测的疾病类别;梯度计算模块计算预测的疾病类别相对于每个特征图的梯度;图生成模块,结合梯度和特征图,生成每个目标卷积层的类激活图,融合不同层的类激活图,形成最终的类激活图;结果生成模块,将预测的疾病类别及类激活图作为最终的自解释医学影像诊断结果进行输出;本发明在进行医学影像诊断的同时,利用CNN模型的特征图和梯度信息,在不同的层级上生成多种分辨率的类激活图,满足对诊断结果的高分辨率解释需求。
主权项:1.一种基于类激活图的自解释医学影像诊断系统,其特征在于,包括:影像获取模块,被配置为:获取待诊断的医学影像并进行预处理;类别预测模块,被配置为:将预处理后的医学影像输入到CNN模型中进行前向传播,得到CNN模型中不同目标卷积层提取的一组特征图及最终预测的疾病类别;梯度计算模块,被配置为:计算预测的疾病类别相对于每个特征图的梯度,用于评估特征图中每个元素对预测结果的贡献;图生成模块,被配置为:结合梯度和特征图,生成每个目标卷积层的类激活图,融合不同层的类激活图,形成最终的类激活图;结果生成模块,被配置为:将预测的疾病类别及类激活图作为最终的自解释医学影像诊断结果进行输出,其中,类激活图是对预测的疾病类别的进一步解释。
全文数据:
权利要求:
百度查询: 山东大学 一种基于类激活图的自解释医学影像诊断系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。