【技术实现步骤摘要】
本专利技术涉及一种基于图注意网络全局-属性特征融合机制的甲状腺结节超声图像诊断方法。
技术介绍
1、随着人工智能技术的不断发展,目前已有许多基于深度学习的甲状腺疾病诊断模型,这些研究利用大量甲状腺超声图像对深度模型进行训练,得到的深度神经网络模型能够在测试数据集上接近或超越人类医生的诊断水平,展现出了应用于临床诊疗流程的潜力。但深度学习模型对医学图像诊断依据无法解释成为妨碍临床应用的瓶颈,目前大多数模型依赖于基于数据驱动的深度学习算法,从大量超声图像中对甲状腺超声图像特征的自动提取,无法与医学诊断依据和易被人类理解的逻辑相匹配。尽管部分工作提出利用热图高亮出模型关注的重点区域,但这些工作并没有与医生对疾病诊断的临床标准知识相关联,很难被医生理解和采信并用于临床诊断。这成为了目前人工智能医学图像识别技术无法临床应用的重要障碍。
技术实现思路
1、为了克服目前人工智能医学图像识别临床应用的困难,进一步提升深度学习技术,使算法模型可以凭借优于人类视觉极限和精准量化判断的优点,在形成诊断的同时提供
...【技术保护点】
1.一种基于图注意网络全局-属性特征融合机制的甲状腺结节超声图像诊断方法,其特征在于,所述方法包括以下步骤:
【技术特征摘要】
1.一种基于图注意网络全局-属性特征融合机制的甲状腺结...
【专利技术属性】
技术研发人员:朱强,董驰,潘任周,孔鸣,董信谦,
申请(专利权)人:浙江大学人工智能研究所德清研究院,
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。