龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明涉及基于集成学习的放射影像多病种联合诊断系统。首先利用深度学习模型提取多模态影像数据中的高维特征，并结合传统图像处理方法提取低维特征，采用特征选择算法筛选出重要特征，通过降维技术对高维特征进行处理；然后设计多种基础分类器，针对单一病种进行初步诊断；采用Bagging方法集成多个基础分类器以减少模型的方差，并使用Boosting方法增强弱分类器的性能；结合Stacking策略通过构建元分类器融合多种基础分类器的预测结果；最后通过图神经网络分析不同病种间的关联性，构建病种关系图，设计联合诊断模型综合考虑多种病种的特征和关联性，并采用多任务学习方法训练多个病种的诊断模型，分享特征表示，设计自适应权重调整机制。
主权项：1.基于集成学习的放射影像多病种联合诊断系统，其特征在于通过以下步骤实现：首先利用深度学习模型提取多模态影像数据中的高维特征，并结合传统图像处理方法提取低维特征，采用特征选择算法筛选出重要特征，通过降维技术对高维特征进行处理，降低计算复杂度；然后设计多种基础分类器，包括支持向量机、随机森林和深度学习模型，针对单一病种进行初步诊断；采用Bagging方法集成多个基础分类器以减少模型的方差，并使用Boosting方法增强弱分类器的性能；结合Stacking策略通过构建元分类器融合多种基础分类器的预测结果，优化最终诊断输出；最后通过图神经网络分析不同病种间的关联性，构建病种关系图，设计联合诊断模型综合考虑多种病种的特征和关联性，并采用多任务学习方法训练多个病种的诊断模型，分享特征表示，设计自适应权重调整机制，根据不同病种的重要性动态调整模型参数，实现多病种的联合诊断。
全文数据：
权利要求：
百度查询： 河南中医药大学第一附属医院 基于集成学习的放射影像多病种联合诊断系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号