发明公开
- 专利标题: 基于SCAE-DensNet的肺癌病症诊断分类方法
-
申请号: CN202410022503.2申请日: 2024-01-05
-
公开(公告)号: CN118053063A公开(公告)日: 2024-05-17
- 发明人: 周恒 , 宗慧 , 陈婷 , 朱好杰 , 王国平 , 罗嘉晨 , 王辰斌 , 万志友 , 张乐 , 王健 , 杨文俊 , 安雯龙 , 唐宇诚 , 杨占辉 , 刘向超 , 陈鑫 , 周宇
- 申请人: 淮阴工学院
- 申请人地址: 江苏省淮安市经济技术开发区枚乘东路1号
- 专利权人: 淮阴工学院
- 当前专利权人: 淮阴工学院
- 当前专利权人地址: 江苏省淮安市经济技术开发区枚乘东路1号
- 代理机构: 南京苏高专利商标事务所
- 代理商 柏尚春
- 主分类号: G06V10/82
- IPC分类号: G06V10/82 ; G06V10/774 ; G06V10/764 ; G06N3/0464 ; G06N3/096 ; G06N3/0985 ; G06T7/00
摘要:
本发明公开了一种基于SCAE‑DensNet的肺癌病症诊断分类方法,步骤如下:获取医学图像数据集并对获取的医学图片预处理,对图片进行标签设置,划分为训练集、测试集,对测试集进行数据增强;通过加载构建与迁移学习,用来构建神经网络;训练模型、调整参数,用来达到训练神经网络的效果;学习肺癌病变特征、提取特征,诊断病症分类,达到肺癌病变识别效果;输入测试数据集,得到肺癌医学图像病变分类结果,得到辅助诊断病症种类、最终高精度分类结果;得出分类可信度最高的图像分类结果。本发明对肺癌医学图像识别鲁棒性更高,且识别精度更高、速度更快,解决了深度卷积神经网络可能的出现梯度消失、梯度爆炸或退化问题导致的肺癌识别准确率低的问题。