CNIPA.AI
返回搜索
档案

一种基于XG-YOLO11模型的医学图像和电子文本信息多模态深度学习的分类方法和系统

发明专利有效
9权利要求 · 2 独立
§ Ⅰ

卷宗概要

发明人

王沫楠; 王庆顺

IPC 分类

G06V 10/764 (2022.01)G06V 10/82 (2022.01)G06V 10/80 (2022.01)G06N 3/0464 (2023.01)G06N 3/0499 (2023.01)G06N 3/0455 (2023.01)G06N 3/082 (2023.01)

本发明公开了一种基于XG‑YOLO11模型的医学图像和电子文本信息多模态深度学习分类方法和系统,包括:对医学图像和电子文本数据进行数据预处理;图像以预训练的YOLO11模型为网络架构,文本信息以多层感知机为基本网络架构,融合梯度提升树模型,建立XG‑YOLO11模型;利用模型进行训练,其中加入了改进的减少特征冗余的方法,利用训练好的模型对待分类的医学图像数据和电子文本数据进行分类。本发明建立的XG‑YOLO11分类模型,改进了现有的单一使用深度学习模型或机器学习模型的思路,更有效的结合多模型各自的优势;同时,深度学习网络所提取到的特征和文本信息的特征存在冗余,提出一种改进的减少特征冗余的算法思路。