← 返回列表

一种基于改进集成深度学习的儿童肠套叠空气灌肠结果预测装置

申请号: CN202311544713.X
申请人: 浙江大学
申请日期: 2023/11/20

摘要文本

本发明公开了一种基于改进集成深度学习的儿童肠套叠空气灌肠结果预测装置,包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序,所述的计算机存储器中存储有训练好的儿童肠套叠空气灌肠结果预测模型;预测模型包含三个不同的基学习器和一个二级学习器;其中,每个基学习器之间采用动态信息传递机制;二级学习器用于整合三个基学习器的输出,并产生最终的预测结果;所述计算机处理器执行所述计算机程序时实现以下步骤:将待预测的透视图像输入训练好的儿童肠套叠空气灌肠结果预测模型,得到二分类预测结果。利用本发明,可以实现对空气灌肠结果更稳定、更平衡、更准确的预测。

专利详细信息

项目 内容
专利名称 一种基于改进集成深度学习的儿童肠套叠空气灌肠结果预测装置
专利类型 发明申请
申请号 CN202311544713.X
申请日 2023/11/20
公告号 CN117455890A
公开日 2024/1/26
IPC主分类号 G06T7/00
权利人 浙江大学
发明人 俞刚; 黄坚; 朱志文; 周海春; 张志诚; 张有健; 周昊天
地址 浙江省杭州市西湖区余杭塘路866号

专利主权项内容

1.一种基于改进集成深度学习的儿童肠套叠空气灌肠结果预测装置,包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序,其特征在于,所述的计算机存储器中存储有训练好的儿童肠套叠空气灌肠结果预测模型;所述的儿童肠套叠空气灌肠结果预测模型包含三个不同的基学习器和一个二级学习器;其中,每个基学习器之间采用动态信息传递机制,当一个基学习器在某个输入上的预测置信度量低于预定阈值时,从其他两个基学习器学习得到特征信息,并据此调整自己的预测输出;所述的二级学习器用于整合三个基学习器的输出,并产生最终的预测结果;所述的儿童肠套叠空气灌肠结果预测模型在训练过程中,采用复合损失函数,结合了FocalLoss、动态样本权重以及门控特征注意力机制;所述计算机处理器执行所述计算机程序时实现以下步骤:将待预测的透视图像输入训练好的儿童肠套叠空气灌肠结果预测模型,得到二分类预测结果。