原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提出了一种融合全局特征的钼靶图像分类检测方法，采集患者的乳腺钼靶图像并进行图像格式转换和类别判定，然后构建数据集并对划分的训练集和测试集分别进行预处理，提出基于融合全局特征的钼靶图像分类模型GLTransNet，对没有额外的像素级标注的全乳腺钼靶图像进行特征提取并分类，利用训练集训练分类模型并在测试集上进行分类效果测试，根据分类效果调整分类模型与训练参数，得到分类效果最佳的分类模型，将其用于患者的乳腺钼靶图像分类预测，本发明方法显著提高了乳腺钼靶图像分类的准确性，能够实现乳腺钼靶筛查自动化
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116843984 A
(43)申请公布日 2023.10.03
(21)申请号 202311034322.3 G06N 3/084 (2023.01)
(22)申请日 2023.08.
文档评论（0）