【技术实现步骤摘要】
一种基于人工智能的乳腺采样数据的处理方法
[0001]本专利技术涉及文本分类领域,具体为一种基于人工智能的乳腺采样数据的处理方法。
技术介绍
[0002]目前医学检测中图像临床检测手段的检查范围比较广泛,适用于身体多个器官,可以用于多种疾病检查,早发现、早治疗能够及时恢复人体健康。现在的图像临床检测手段主要有核磁共振成像、多普勒超声成像和计算机断层摄影技术等,这些技术发展多年,成熟稳定,但此类医学影像技术时间分辨率低、设备大和有电离辐射等因素,无法对肺部组件进行实时成像监测。
[0003]电阻抗断层成像技术对人体损伤小,成本低廉,且可以实现实时成像。经过近四十年的发展,电阻抗断层成像技术的激励信号由单频激励发展为多频激励,激励信号采用电流信号;前端采集平台由模拟技术为主转换为以数字技术为主,特别是在信号的检测阶段,往往通过高速模数转换电路采集之后进行数字信号处理。在图像重构方面近年来加入了人工智能的处理方法,旨在提升成像的分辨率。但目前的电阻抗断层成像系统成像过程中普遍存在非线性、病态性和不适定性等技术难题导致了成像质量效果不够理想和成像分辨率低,在临床上还没有得到较好的应用。
[0004]在现有技术中,专利CN202210153549公开了一种乳腺癌特征信息识别方法,根据获取病人在电子病历系统中的病人特征数据,根据机器学习算法和神经动力学方法等方法,有效地提高了乳腺癌分类识别上的准确率。但是这个方法选取的特征数据是医学图像数据的分析结果,数据获取的流程复杂。
[0005]因此,寻找一种能够减 ...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的乳腺采样数据的处理方法,其特征在于,包括以下步骤:根据待检测病人体外激励频率收集人体乳腺部分的电阻率数据;将所述输入数据输入文本分类模型中,其中所述文本分类模型包括特征提取部分和类别分类部分,所述输入数据依次进行特征提取和类别分类;所述输入数据经过文本分类模型后输出,判断输出数据是否出现异常。2.根据权利要求1所述的一种基于人工智能的乳腺采样数据的处理方法,其特征在于,所述特征提取部分为伪孪生的特征提取网络,所述伪孪生特征提取网络包括第一分支、第二分支、第一全连接层和第二全连接层,具体步骤如下:将所述输入数据分别输入第一分支和第二分支进行特征提取,得到第一分支的输出张量和第二分支的输出张量;将所述第一分支输出张量和第二分支输出张量合并,得到第三输出张量,对所述第三输出张量进行降维处理,得到第四输出张量;将所述第四输出张量依次进行第一全连接层和第二全连接层操作,得到特征提取的输出张量。3.根据权利要求2所述的一种基于人工智能的乳腺采样数据的处理方法,其特征在于,所述第一分支是基于transformer结构的特征提取,所述第一分支的特征提取包括:所述输入数据依次通过5个transformer层,再经过1个5
×
5深度可分离卷积,得到所述第一分支的输出张量。4.根据权利要求3所述的一种基于人工智能的乳腺采样数据的处理方法,其特征在于,所述transformer层的具体操作如下:将所述输入数据先经过多头注意机制子层,得到第一输出张量;将所述第一输出张量进行线性变化,并使用sigmoid激活函数进行激活,得到所述多头注意机制的输出张量;将所述多头注意机制的输出张量进行神经元随机失活,得到第二输出张量;将所述第二输出张量与所述输入数据张量相加,得到transformer层第一部分输出张量;将所述transformer层第一部分输出张量进入前馈全连接层进行处理,并对所述前馈全连接层的输出张量进行神经元随机失活,得到所述transformer层第二部分输出张量;其中前馈全连接层包括第一全连接子层和第二全连接子层;将所述transformer第一部分输出张量和所述transformer层第二部分输出张量相加,得到transformer层的输出张量。5.根据权利要求4所述的一种基于人工智能的乳腺采样数据的处理方法,其特征在于,将所述transformer层第一部分输出张量进入前馈全连接层进行处理包括:将所述transformer层第一部分输出张量进入第一全连接子层进行全连接层操作,并使用Relu函数进行激活;将激活后的第一全连接子层输出张量进行神经元...
【专利技术属性】
技术研发人员:胡钦勇,燕自保,袁静萍,
申请(专利权)人:武汉中数医疗科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。