基于多任务学习的肺胀病证识别方法

摘要

本发明公开了一种基于多任务学习的肺胀病证识别方法，包括：采集数个肺胀病患者、肺胀病治愈者和正常人的肺部图像，分别对采集的肺部图像进行高斯滤波处理，并对肺胀病患者和肺胀病治愈者的肺部图像进行标记；将所述肺部图像随机划分为训练集和验证集；构建联合属性的残差神经网络ResNet；将训练集中带有标记的肺部图像和正常人的肺部图输入至残差神经网络ResNet中，并结合属性损失函数求得训练后的残差神经网络ResNet；将验证集的肺部图像输入至训练后的残差神经网络ResNet，并进行参数优化调整，得到最优的残差神经网络ResNet；采集患者的肺部图像，并输入至最优的残差神经网络ResNet，以识别是否为肺胀病证患者。