基于半监督深度学习的新冠肺炎CT图像分析方法

本发明提供基于半监督深度学习的新冠肺炎CT图像分析方法，包括步骤：基于残差神经网络建立分类模型并加入注意力模块；对每张无标签训练样本进行两次不同的数据增强得到两张新的图像；对这两张图像进行分类并进行最小化熵处理，处理后结果看作图像的伪标签；将得到伪标签的数据增强后的无标签训练样本和数据增强后的有标签训练样本进行Mixup，得到新的训练样本；将新的训练样本和对应的标签代入分类模型中进行训练并逐渐去除有标签训练样本；对分类模型中的全连通层和特征图的权重进行加权求和，生成关注图；用训练好的分类模型对测试集中的样本图像进行诊断，并对诊断结果生成可视化图。这在实际的医学应用中具有实用的价值。

《基于半监督深度学习的新冠肺炎CT图像分析方法》是一发明专利，专利号为 2022101514098，当前法律状态为已下证，由武汉科技大学提出申请，发明人为张永;苏立;朱文鹏;程骋;刘振兴，申请日期为2022-02-18，公开（公告）日期为2025-05-09，国际专利分类号（IPC）为 G06T 7/00 (2017.01)，高新资质：未报高企，所属技术领域包括：医学影像分析‌与‌人工智能。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明提供基于半监督深度学习的新冠肺炎CT图像分析方法，包括步骤：基于残差神经网络建立分类模型并加入注意力模块；对每张无标签训练样本进行两次不同的数据增强得到两张新的图像；对这两张图像进行分类并进行最小化熵处理，处理后结果看作图像的伪标签；将得到伪标签的数据增强后的无标签训练样本和数据增强后的有标签训练样本进行Mixup，得到新的训练样本；将新的训练样本和对应的标签代入分类模型中进行训练并逐渐去除有标签训练样本；对分类模型中的全连通层和特征图的权重进行加权求和，生成关注图；用训练好的分类模型对测试集中的样本图像进行诊断，并对诊断结果生成可视化图。这在实际的医学应用中具有实用的价值。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！