一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法及系统
技术特征：
1.一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法，其特征在于，所述方法具体包括以下步骤：
2.根据权利要求1所述的一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法，其特征在于，所述步骤s2的具体过程为：
3.根据权利要求2所述的一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法，其特征在于，所述混合数据增强单元包括语义特征图获取模块、特征令牌获取模块、语义特征引导模块、混合掩码学习模块和混合数据生成模块；
4.根据权利要求3所述的一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法，其特征在于，所述教师模型的训练过程为：
5.根据权利要求4所述的一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法，其特征在于，所述步骤s42的具体过程为：
6.根据权利要求5所述的一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法，其特征在于，所述步骤s46中的损失函数包括带类别标签超声心动图经过分类器的分类损失lce(c,z)和混合数据的生成损失lmix(x1,x2,xmix)；
7.根据权利要求6所述的一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法，其特征在于，所述学生模型的训练过程为：
8.根据权利要求7所述的一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法，其特征在于，所述分布内概率为：
9.根据权利要求8所述的一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法，其特征在于，所述开集总损失包括伪标签的生成损失和开集的分类损失，即开集总损失l＝lsp+lop；
10.一种基于混合数据增强和开集半监督学习的超声心动图角度分类系统，其特征在于，所述系统包括超声心动图数据集获取模块、超声心动图预处理模块和神经网络模块；其中：
技术总结
一种基于混合数据增强和开集半监督学习的超声心动图角度分类方法及系统，它属于医学图像分析技术领域。本发明解决了现有方法难以捕获超声心动图中的有效信息、对类外分布数据的检测流程复杂且检测效率低、无法充分利用未标记数据集的特征信息的问题。本发明首先在教师模型编码部分的第三层与第四层之间添加混合数据增强单元；在学生模型编码部分中添加开集半监督单元作为分类器的并行分支；再对获取的包含带标签和不带标签的超声心动图进行预处理，利用预处理后的超声心动图对构建的模型进行训练，最后利用训练好的学生模型对待分类超声心动图进行分类。本发明方法可以应用于超声心动图角度分类。
技术研发人员：董素宇,马世舟,韩雪,董庆,孙一欣
受保护的技术使用者：东北林业大学
技术研发日：
技术公布日：2024/11/18
技术研发人员：董素宇,马世舟,韩雪,董庆,孙一欣
技术所有人：东北林业大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除