公开(公告)号：CN113313203A

公开(公告)日：2021-08-27

申请号：CN202110690614.7

申请日：2021-06-22

申请人： 哈尔滨工程大学

发明人： 潘海为 ,  边晓菲 ,  张可佳 ,  陈春伶 ,  崔倩娜 ,  牟雪莲 ,  滕腾

IPC分类号： G06K9/62 ,  G06N20/00

摘要： 本发明属于图像识别技术领域，具体涉及一种基于可拓理论和深度学习的医学图像分类方法。本发明提供了融合医学领域知识、深度学习和精细化策略的分类方法，该方法结合了医学领域特征和深度学习特征，对医学图像进行快速、准确的分类。本发明利用可拓理论中可拓关联函数来检测蓝白结构的存在性，将医学图像初步分类为良性病图像和疑似恶性病图像，采用了基于YOLOv3的改进模型YoDyCK模型，可快速准确地提取疑似恶性病图像的深度学习特征，从而提高医学图像的最终分类准确度和效率。

公开(公告)号：CN113313203B

公开(公告)日：2022-11-01

申请号：CN202110690614.7

申请日：2021-06-22

申请人： 哈尔滨工程大学

发明人： 潘海为 ,  边晓菲 ,  张可佳 ,  陈春伶 ,  崔倩娜 ,  牟雪莲 ,  滕腾

IPC分类号： G06V10/774 ,  G06V10/764 ,  G06N20/00

摘要： 本发明属于图像识别技术领域，具体涉及一种基于可拓理论和深度学习的医学图像分类方法。本发明提供了融合医学领域知识、深度学习和精细化策略的分类方法，该方法结合了医学领域特征和深度学习特征，对医学图像进行快速、准确的分类。本发明利用可拓理论中可拓关联函数来检测蓝白结构的存在性，将医学图像初步分类为良性病图像和疑似恶性病图像，采用了基于YOLOv3的改进模型YoDyCK模型，可快速准确地提取疑似恶性病图像的深度学习特征，从而提高医学图像的最终分类准确度和效率。