龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中北大学
摘要：本发明公开了一种用基于噪声鲁棒学习的尘肺X射线鉴别系统，包括样本划分模块和半监督对比分类模块。在样本划分中提出了一种噪声滤波器，可以可靠地区分信息量大的困难样本与有害噪声样本，完成样本划分；在半监督对比分类中，利用所有样本进行训练，对无标签样本实施一致性正则化，并采用对比学习作为补充，通过无监督特征学习挖掘隐藏在噪声样本中的有用信息，进一步抑制噪声样本的干扰。本发明通过整合噪声滤波和半监督对比学习技术，有效提高了噪声标签数据环境下的尘肺病鉴别准确性和鲁棒性，减轻了模型对有噪声样本的过度拟合，同时还降低了对专业医生依赖度，有助于提高尘肺筛查的效率和可靠性。
主权项：1.一种基于噪声鲁棒学习的尘肺X射线鉴别系统，其特征在于，包括样本划分模块和半监督对比分类模块；所述样本划分模块包括：样本采集单元：采集含有噪声标签的图像数据集D，并使用噪声交叉验证算法估计噪声比例ρ，再使用深度神经网络Mc训练噪声标签的图像数据集D；归一化概率单元：由深度神经网络进行特征提取分类，获得样本的归一化概率；噪声滤波器单元：将带有噪声标签的样本集D划分为干净样本集Dl和噪声样本集Dul；将干净样本视为有标签样本，对干净样本集Dl中的样本采用有监督学习，受到类标签的监督，计算Dl样本集上的监督损失ls；所述半监督对比分类模块包括：数据增强单元：将噪声样本视为无标签样本，对噪声样本集Dul中的样本进行强和弱两种数据增强变换，再输入到深度神经网络中；一致性正则化单元：对噪声样本集Dul的样本进行一致性正则化，并得到一致性正则化损失lu；对比学习单元：对噪声样本集Dul的样本进行对比学习，并得到对比损失lc；分类单元：将监督损失ls、一致性正则化损失lu和对比损失lc进行线性加权，并得到总损失函数Ltotal，再反向更新网络权值，完成含噪声标签尘肺胸片的分类任务。
全文数据：
权利要求：
百度查询： 中北大学 一种基于噪声鲁棒学习的尘肺X射线鉴别系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号