26年WP网络工程 基于小样本学习的罕见病医学图像分析6.71-AI23.31-约29209字符.pdf

WHKJ大学本科毕业论文I摘要针对罕见病医学影像数据普遍存在的样本量小、特征维度高、类内差异大等问题，传统深度学习方法易因过拟合而难以适用。本文提出一种面向罕见病医学图像的小样本学习框架，融合预训练迁移学习与原型网络。在方法上，首先对多模态罕见病图像进行标准化预处理，包括尺寸归一化、窗宽窗位裁剪及 Z-score 强度标准化，以降低异质性，随后采用基础数据增强（随机旋转、翻转、缩放）及 MixUp 混合增强（Beta 分布采样，混合系数λ∈[0,1]）在像素级扩充有限样本，提高嵌入空间的局部平滑性。特征提取方面，选取 ImageNet 预训练的 ResNet-50 ...