【技术实现步骤摘要】
本专利技术涉及机器学习、医学影像分类领域，具体的说是一种面向正标记和无标记样本学习的医学影像分类方法。
技术介绍
1、当前机器学习和医学影像分类领域的发展虽然取得了一些显著的进展，但在面对日益复杂的医学影像数据时，现有技术仍然存在一系列严重的问题，这些问题为新的创新方法提供了迫切的需求。
2、首先，传统监督学习方法在医学影像分类中普遍存在的一个问题是过度依赖于大量的标记样本。这不仅令标记的过程变得极为昂贵，而且容易受到主观因素的影响，因而标签的准确性和一致性常常受到怀疑。这种标记依赖性不仅限制了这些方法在实际应用中的可行性，而且也使得其在长期持续使用中面临着持续高昂的成本。其次，医学影像数据往往涉及到各种复杂的病理情况和模糊的特征，导致现有技术对复杂特征处理能力的不足，导致模型的泛化能力受到限制，尤其在面对新的、未曾见过的病例时，往往难以做出准确的分类决策。此外，对于大量存在的无标记样本，现有技术未能充分发挥其潜在信息。这造成了模型未能有效地利用这些宝贵的、未标记的数据，直接影响了模型学习的效果和分类性能的提升。这种未能充分...
【技术保护点】
1.一种面向正标记和无标记样本学习的医学影像分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的面向正标记和无标记样本学习的医学影像分类方法，其特征在于，所述步骤3.2包括：
3.根据权利要求2所述的面向正标记和无标记样本学习的医学影像分类方法，其特征在于，所述步骤3.4包括：
4.根据权利要求3所述的面向正标记和无标记样本学习的医学影像分类方法，其特征在于，所述协同优化法是按如下步骤进行：
5.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-4中任一所述医学影像分类...
【技术特征摘要】
1.一种面向正标记和无标记样本学习的医学影像分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的面向正标记和无标记样本学习的医学影像分类方法，其特征在于，所述步骤3.2包括：
3.根据权利要求2所述的面向正标记和无标记样本学习的医学影像分类方法，其特征在于，所述步骤3.4包括：
4.根据权利要求3所述的面向正标记和无标记样本学习的医学影像分类方法，其特征在...
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。