一种基于XGBoost及CNN的噪声检测方法、系统、存储介质及设备技术方案

本发明专利技术公开了一种基于XGBoost及CNN的噪声检测方法、系统、存储介质及设备，属于图像处理技术领域，方法包括采集病例的图像数据；使用CNN模型对采集病例的图像数据进行特征提取，获得特征提取数据；通过特征提取数据对XGBoost模型进行训练，得到基于图像噪声检测的XGBoost模型；使用基于图像噪声检测的XGBoost模型对需要进行噪声监测的病例图像进行检测。本发明专利技术利用CNN的特征提取能力和XGBoost的模式识别能力，提高后续图像分析和处理的性能，解决多种噪声类型和复杂图像场景下的图像质量的计算资源与时间的问题。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种基于xgboost及cnn的噪声检测方法、系统、存储介质及设备。

技术介绍

1、在图像处理领域，图像噪声是一种常见问题，主要是由于传感器噪声、通信噪声、环境因素等原因而引入图像中而产生的。噪声对图像质量和信息提取产生负面影响，因此对于图像的噪声检测和降噪处理至关重要。

2、现代医疗领域在患者照护和医疗记录管理方面变得越来越依赖于电子记录和数字化的病历文档，这些电子病历文档通常以电子屏幕上的形式呈现。每个医疗机构都有自己的电子病历系统且不互通，从各个系统出导出或整合病历步骤繁琐，同时，电子屏幕拍摄照片质量不稳定，可能受到多种因素的干扰，如光线条件、拍摄设备质量、屏幕类型等。

3、由于这些质量问题，从电子屏幕照片中提取病历轮廓并进行后续的文本识别或数据分析变得具有挑战性。通常，这些照片中存在的问题包括：噪声干扰：由于拍摄设备和屏幕表面的特性，照片可能包含模拟和数字噪声，这些噪声会降低文档的清晰度；模糊和失真：照片可能因手持设备或拍摄条件不佳而产生模糊和失真，导致文档不清晰；光照问题：光源不均匀或反射问本文档来自技高网...

【技术保护点】

1.一种基于XGBoost及CNN的噪声检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于XGBoost及CNN的噪声检测方法，其特征在于，所述采集病例的图像数据包括医疗病例文档、患者诊断、病历报告、检验结果、病历记录、转诊单、处方、治疗计划、化验单和医生笔记的图像数据。

3.根据权利要求1所述的一种基于XGBoost及CNN的噪声检测方法，其特征在于，所述特征提取数据是将从CNN模型对采集病例的图像数据中提取的深度特征转化为特征向量，然后对特征向量进行标准化处理所获取的。

4.根据权利要求1所述的一种基于XGBoost及CNN的噪声检测方...

【技术特征摘要】

1.一种基于xgboost及cnn的噪声检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于xgboost及cnn的噪声检测方法，其特征在于，所述采集病例的图像数据包括医疗病例文档、患者诊断、病历报告、检验结果、病历记录、转诊单、处方、治疗计划、化验单和医生笔记的图像数据。

3.根据权利要求1所述的一种基于xgboost及cnn的噪声检测方法，其特征在于，所述特征提取数据是将从cnn模型对采集病例的图像数据中提取的深度特征转化为特征向量，然后对特征向量进行标准化处理所获取的。

4.根据权利要求1所述的一种基于xgboost及cnn的噪声检测方法，其特征在于，所述基于图像噪声检测的xgboost模型是通过学习将cnn模型中提取的特征提取数据与预先设置的噪声标签相关联从而完成构建。

5.根据权利要求1所述的一种基于xgboost及cnn的噪声检测方法，其特征在于，所述基于图像噪声检测的xgboost模型的预测过程，是基于多颗树的组合输出，并通过逻辑函数将输出转换为类别概率，最后根据分类阈值进行二元分类预测，具体的预测过程如下：

6.根据权利要求1...

【专利技术属性】
技术研发人员：贾青，刘兴荣，
申请(专利权)人：西安鹫一卓越软件科技有限公司，
类型：发明
国别省市：