【技术实现步骤摘要】
本专利技术涉及样本不确定性评估，特别是一种医疗图像数据样本的不确定性评估方法及系统。
技术介绍
1、在医疗场景中，医学图像建模对于疾病的诊断和治疗起着至关重要的作用。然而，如果在使用医学图像数据进行建模时不进行样本筛选，可能会对模型的建立和最终的诊断效果产生严重的不利影响。
2、例如，在放射学中，医生需要通过x光、ct扫描或mri等图像来诊断疾病。这些医学图像可能包含各种病变和正常组织的复杂信息。如果模型训练时包含了质量不佳的图像，如图像分辨率低、对比度不足、存在伪影或者标注错误的样本，模型可能学习到错误的特征，导致其在实际应用中无法准确识别病变，甚至可能将正常组织误判为病变，或者反之。
3、此外，医学图像数据中可能存在类别不平衡问题，即某些疾病的图像样本远多于其他疾病。如果不对这些样本进行适当的筛选和平衡，模型可能会偏向于那些更常见的类别，而忽视了较少见但同样重要的疾病类型，从而影响模型的泛化能力和临床应用价值。
4、因此，在医疗图像建模中，样本筛选不仅是提高模型性能的关键步骤，也是确保模型在实际医...
【技术保护点】
1.一种医疗图像数据样本的不确定性评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的医疗图像数据样本的不确定性评估方法，其特征在于，所述步骤1，具体如下：
3.根据权利要求2所述的医疗图像数据样本的不确定性评估方法，其特征在于，步骤1.1中的数据库为脑图像数据库，所述标注为图像的类别。
4.根据权利要求2所述的医疗图像数据样本的不确定性评估方法，其特征在于，步骤1.1中，本地采集的带标注数据量大于10000张图片。
5.根据权利要求2所述的医疗图像数据样本的不确定性评估方法，其特征在于，步骤1.2中，梯度下降...
【技术特征摘要】
1.一种医疗图像数据样本的不确定性评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的医疗图像数据样本的不确定性评估方法，其特征在于，所述步骤1，具体如下：
3.根据权利要求2所述的医疗图像数据样本的不确定性评估方法，其特征在于，步骤1.1中的数据库为脑图像数据库，所述标注为图像的类别。
4.根据权利要求2所述的医疗图像数据样本的不确定性评估方法，其特征在于，步骤1.1中，本地采集的带标注数据量大于10000张图片。
5.根据权利要求2所述的医疗图像数据样本的不确定性评估方法，其特征在于，步骤1.2中，梯度下降方法采用adam方法。
6.根据权利要求2所述的医疗图像数据样本的不确定性评估方法，其特征在于，步骤2中，构建一个多层全连接神经网络，...
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。