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
本发明公开了一种基于压缩‑激励网络的半监督左心房分割方法，涉及医学影像处理技术领域。本发明与之前的医学影像处理方法相比，改进了现有方法低估了训练期间未标记区域的重要性；未在训练过程中对未标记的区域加以强调；特征图在提取过程中，针对特征图层作用不均的问题，本文引入SE模块，并与卷积块堆叠形成新的模块，通过自适应地对每个通道进行加权，以根据任务的需求强调或抑制不同的通道特征。有助于提取具有较强表征能力的特征，从而提高网络的性能和泛化能力。基于鼓励三个解码器具有一致和低熵的预测，使模型能够从未标记的挑
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117576119A
(43)申请公布日2024.02.20
(21)申请号202311656725.1G06N3/048(2023.01)
(22)申请日2023.12.
文档评论（0）