【技术实现步骤摘要】
本专利技术涉及图像识别，尤其涉及一种肺水肿图像识别方法、装置、设备及计算机可读存储介质。
技术介绍
1、在高海拔地区，由于氧气稀薄，身体所受的氧气供应不足，容易引发高原病，其中包括高原肺水肿。传统的高原肺水肿的诊断方法通常依赖于人工观察和分析肺部ct影像。但是，这种方法存在操作复杂、精度不高等问题。近年来，随着深度学习技术的发展，利用卷积神经网络进行肺部影像的自动分析和诊断逐渐成为一种新的研究方向。
2、然而，利用传统的卷积神经网络进行肺部影像的自动分析和预测存在一些限制，例如特征提取的局限性、不同病例之间的差异等。
技术实现思路
1、本专利技术的主要目的在于提供一种肺水肿图像识别方法、装置、设备及计算机可读存储介质，旨在解决现有肺部图像识别准确率低下的技术问题。
2、为实现所述目的，本专利技术提供一种肺水肿图像识别方法，所述肺水肿图像识别方法包括以下步骤：
3、将待识别图像输入预训练的孪生网络模型的其中一个神经网络模型中，以对所述待识别图像进行特征提取...
【技术保护点】
1.一种肺水肿图像识别方法，其特征在于，所述肺水肿图像识别方法包括以下步骤：
2.如权利要求1所述的肺水肿图像识别方法，其特征在于，所述孪生网络模型训练步骤包括：
3.如权利要求2所述的肺水肿图像识别方法，其特征在于，所述样本图像包括CT影像，所述对样本图像采用不同的数据增强，得到多个对应数据增强的增强样本图，包括：
4.如权利要求3所述的肺水肿图像识别方法，其特征在于，所述孪生网络包括两个相同的卷积神经网络，所述通过孪生网络对每个增强样本图进行特征提取，得到特征向量，包括：
5.如权利要求4所述的肺水肿图像识别方法，其...
【技术特征摘要】
1.一种肺水肿图像识别方法，其特征在于，所述肺水肿图像识别方法包括以下步骤：
2.如权利要求1所述的肺水肿图像识别方法，其特征在于，所述孪生网络模型训练步骤包括：
3.如权利要求2所述的肺水肿图像识别方法，其特征在于，所述样本图像包括ct影像，所述对样本图像采用不同的数据增强，得到多个对应数据增强的增强样本图，包括：
4.如权利要求3所述的肺水肿图像识别方法，其特征在于，所述孪生网络包括两个相同的卷积神经网络，所述通过孪生网络对每个增强样本图进行特征提取，得到特征向量，包括：
5.如权利要求4所述的肺水肿图像识别方法，其特征在于，所述根据所述特征向量，...
【专利技术属性】
技术研发人员：薛新颖，潘磊，赵晟，刘鹏飞，臧学磊，魏华英，翟怀远，陈明利，李天宇，刘小闪，郭海峰，
申请(专利权)人：首都医科大学附属北京世纪坛医院，
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。