【技术实现步骤摘要】
本专利技术涉及医学图像处理，尤其是涉及一种基于多目标领域自适应的图像分类方法。
技术介绍
1、自闭症谱系障碍(asd)是一种以社交交流缺陷、狭隘兴趣和重复刻板行为为主要临床表现的复杂神经发育障碍，在过去50年里，asd已经从一个狭义、儿童期的罕见障碍，逐渐演变为一个被广泛关注、倡导和研究的终身状况。研究人员将静息态功能磁共振成像(rs-fmri)技术应用于临床诊断，该技术不需要对被试者产生刺激，也不要求他们对刺激做出反应，临床应用广泛。患者的医学影像中隐含着许多肉眼无法直接观察到丰富的信息。随着机器学习技术在神经影像学中的应用，许多关于asd分类的研究取得了良好的效果，并发现了一些与asd相关的静息态功能连接。
2、近年来，领域自适应(da)作为一种迁移学习技术，已在多中心asd辅助诊断中得到初步应用。当前，无监督领域自适应(uda)与rs-fmri技术相结合，在asd辅助诊断建模中取得了一些成果。但是，传统的无监督领域自适应方法只考虑了单个或多个有标记的数据中心的场景，无法针对多个没有标记的数据中心进行处理。
...
【技术保护点】
1.一种基于多目标领域自适应的图像分类方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于多目标领域自适应的图像分类方法，其特征在于，所述的ASD分类预测模型包括特征提取器、图卷积网络、多层感知机和对比学习模块；所述特征提取器提取源域和目标域的特征，输入到图卷积网络和多层感知机进行预训练；所述对比学习模块使用对比领域自适应方法拉近源域和目标域的数据分布。
3.根据权利要求1所述的一种基于多目标领域自适应的图像分类方法，其特征在于，所述ASD分类预测模型的训练基于目标域的不确定性进行目标域选择，具体为：采用从易到难的域适应策略...
【技术特征摘要】
1.一种基于多目标领域自适应的图像分类方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于多目标领域自适应的图像分类方法，其特征在于，所述的asd分类预测模型包括特征提取器、图卷积网络、多层感知机和对比学习模块；所述特征提取器提取源域和目标域的特征，输入到图卷积网络和多层感知机进行预训练；所述对比学习模块使用对比领域自适应方法拉近源域和目标域的数据分布。
3.根据权利要求1所述的一种基于多目标领域自适应的图像分类方法，其特征在于，所述asd分类预测模型的训练基于目标域的不确定性进行目标域选择，具体为：采用从易到难的域适应策略，即从最容易的目标域开始进行域适应，然后逐渐转向最难的目标域；
4.根据权利要求3所述的一种基于多目标领域自适应的图像分类方法，其特征在于，所述目标域的不确定性通过整合目标域中所有样本的不确定性来计算，具体为：给定样本i和样本j的置信度分布分别为：和其中为第c类的信任质量，ui为样本i的不确定性；
5.根据权利要求3所述的一种基于多目标领域自适应的图像分类方法，其...
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。