一种基于可拓理论和深度学习的医学图像分类方法

    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

    Abstract: 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。

    一种基于纵向三维图像深度学习特征的分类方法

    公开(公告)号:CN109145944A

    公开(公告)日:2019-01-04

    申请号:CN201810758508.6

    申请日:2018-07-11

    CPC classification number: G06K9/6256 G06K9/3233 G06K9/6267 G06N3/0454

    Abstract: 本发明公开了一种基于纵向三维图像深度学习特征的分类方法,属于图像分析领域。本发明包括两个阶段:训练阶段:包括对研究对象的三维图像的预处理、获取切片图像特征提取器、根据词袋模型计算扫描图像特征向量、以及设计并训练循环神经网络分类器;测试阶段:包括待分类的研究对象P提出分类请求、对P的三维图像进行预处理、提取切片图像特征、计算扫描图像特征、以及输出分类结果。本发明利用深度卷积神经网路直接从切片图像进行特征的自动提取,无需任何人工设计的图像特征和图像的3D配准、特征区域检测等复杂的预处理步骤,且本发明针对纵向三维图像进行研究,利用循环神经网络从纵向三维图像特征向量中学习图像的变化特征,分类更准确。

    一种基于可拓理论和深度学习的医学图像分类方法

    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

    Abstract: 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。

    一种基于纵向三维图像深度学习特征的分类方法

    公开(公告)号:CN109145944B

    公开(公告)日:2021-11-05

    申请号:CN201810758508.6

    申请日:2018-07-11

    Abstract: 本发明公开了一种基于纵向三维图像深度学习特征的分类方法,属于图像分析领域。本发明包括两个阶段:训练阶段:包括对研究对象的三维图像的预处理、获取切片图像特征提取器、根据词袋模型计算扫描图像特征向量、以及设计并训练循环神经网络分类器;测试阶段:包括待分类的研究对象P提出分类请求、对P的三维图像进行预处理、提取切片图像特征、计算扫描图像特征、以及输出分类结果。本发明利用深度卷积神经网路直接从切片图像进行特征的自动提取,无需任何人工设计的图像特征和图像的3D配准、特征区域检测等复杂的预处理步骤,且本发明针对纵向三维图像进行研究,利用循环神经网络从纵向三维图像特征向量中学习图像的变化特征,分类更准确。

Patent Agency Ranking