【技术实现步骤摘要】
本专利技术涉及ct影像分类，特别涉及一种基于信息熵的肺炎ct影像评估模型优化方法。
技术介绍
1、
2、现有技术中，专利公开号为cn117315380a的《一种基于深度学习的肺炎ct图像分类方法及系统》在设计针对肺炎ct图像的图像分类系统时，利用相互配合的预测评估模块和调整策略模块，实现对图像分类系统的实时预测处理，综合考虑了各个经过计算处理后的衡量参数后，能够确保生成性能评估值pev的有效性和准确性，在将性能评估值pev与评估阈值pol做出对比后，能够确定图像分类系统的性能是否达标，即使不达标也给出了相应的调整策略，在保证图像分类系统性能的基础上，实现高效地对肺炎ct图像进行分类。
3、患者的ct序列通常包含几十甚至数百个切片影像，而并非每个ct影像都具有用于肺炎区分的有用特征，因此直接根据所有的ct影像进行评估需要巨大的计算成本，然而，上述现有技术并没有对该问题的解决进行研究，ct影像评估模型的复杂度较高，输入模型数据的质量无法保证；此外，上述现有技术也未考虑患者个体差异导致的特征空间分布差异，以及未考虑不同...
【技术保护点】
1.一种基于信息熵的肺炎CT影像评估模型优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于信息熵的肺炎CT影像评估模型优化方法，其特征在于，步骤一中，在获取肺炎CT影像数据集后，还对所述肺炎CT影像数据集进行预处理。
3.根据权利要求2所述的一种基于信息熵的肺炎CT影像评估模型优化方法，其特征在于，所述预处理包括：窗口处理、肺实质分割、形态处理和逐像素乘法处理。
4.根据权利要求1所述的一种基于信息熵的肺炎CT影像评估模型优化方法，其特征在于，步骤二包括：
5.根据权利要求1所述的一种基于信息熵的肺炎...
【技术特征摘要】
1.一种基于信息熵的肺炎ct影像评估模型优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于信息熵的肺炎ct影像评估模型优化方法，其特征在于，步骤一中，在获取肺炎ct影像数据集后，还对所述肺炎ct影像数据集进行预处理。
3.根据权利要求2所述的一种基于信息熵的肺炎ct影像评估模型优化方法，其特征在于，所述预处理包括：窗口处理、肺实质分割、形态处理和逐像素乘法处理。
4.根据权利要求1所述的一种基于信息熵的肺炎ct影像评估模型优化方法，其特征在于，步骤二包括：
5.根据权利要求1所述的一种基于信息熵的肺炎ct影像评估模型优化方法，其...
【专利技术属性】
技术研发人员：贺小伟，黄至欣，何雪磊，韩晨旭，黄勇，
申请(专利权)人：西北大学，
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。