欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025110634251
申请人: 南昌航空大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种生成式胸部X射线图像广义零样本识别方法,其特征在于,包括以下步骤:S1、获取多个类别的胸部X射线图像数据集并进行预处理工作,按照比例将数据集划分为训练集、验证集与测试集;

S2、构建局部增强的生成式胸部X射线图像广义零样本识别模型,识别模型包括病理区域局部增强模块和扩散生成模块,其中扩散生成模块包括前向扩散过程和反向去噪过程;

S3、基于划分的训练集对生成式胸部X射线图像广义零样本识别模型进行训练,计算胸部X射线图像广义零样本识别模型的损失函数,使用Adam优化器更新参数,并在训练过程中保存模型最优时的参数;

S4、使用训练好的生成式胸部X射线图像广义零样本识别模型对测试集数据进行测试。

2.根据权利要求1所述的一种生成式胸部X射线图像广义零样本识别方法,其特征在于,S2中,病理区域局部增强模块,包括利用自注意力机制实现病理区域视觉特征之间的相互学习,得到全局交互特征;利用标签对应的病理报告生成查询向量,对相应区域的全局交互特征进行视觉增强;将含有语义信息的病理报告与视觉图像进行跨模态特征融合,进而得到各标签对应增强后的视觉特征,实现病理区域的增强。

3.根据权利要求1所述的一种生成式胸部X射线图像广义零样本识别方法,其特征在于,S2中,扩散生成模块的反向去噪过程采用双判别器协同训练,并通过知识蒸馏损失促进双判别器的相互学习;其中,双判别器包括对抗判别器和扩散判别器。

4.根据权利要求3所述的一种生成式胸部X射线图像广义零样本识别方法,其特征在于,对抗判别器利用对抗损失函数进行训练,如下:;

其中,;

式中,为对抗判别器,为相应的权重,为大于零的惩罚系数,为生成器生成的伪视觉特征,为初始的真实视觉特征,表示病理报告的语义信息。

5.根据权利要求4所述的一种生成式胸部X射线图像广义零样本识别方法,其特征在于,扩散判别器的训练通过扩散损失来约束,如下:;

其中,;

式中,为扩散判别器,为大于零的惩罚系数,为前向扩散过程处理后带噪声的真实特征,为扩散时间步长,为扩散时间步长时带噪声的真实特征。

6.根据权利要求5所述的一种生成式胸部X射线图像广义零样本识别方法,其特征在于,知识蒸馏损失用于约束对抗判别器和扩散判别器,如下:;

式中,为知识蒸馏损失。

7.一种生成式胸部X射线图像广义零样本识别系统,用于实施权利要求1-6任一项所述的一种生成式胸部X射线图像广义零样本识别方法,其特征在于,包括病理区域增强模块和扩散生成模块;

病理区域增强模块包括自注意力机制,用于实现所有视觉特征之间的相互学习,得到全局交互特征;交叉注意力机制,根据标签对应的病理报告,对相应区域特征进行视觉增强;融合模块及前向传播模块,用于多模态数据的特征融合,获取各标签对应增强后的视觉特征;

扩散生成模块包括前向扩散过程和反向去噪生成过程:前向扩散过程基于扩散机制,采用前向扩散噪声处理,逐步向干净数据中添加噪声;反向去噪生成过程用于反向去噪生成操作,设置有生成器和判别器,且判别器包括扩散判别器和对抗判别器,两个判别器通过知识蒸馏损失相互约束,协同训练。