公开(公告)号：CN117115524A

公开(公告)日：2023-11-24

申请号：CN202311040814.3

申请日：2023-08-17

Applicant: 淮阴工学院

Inventor： 宗慧 ,  周恒 ,  唐宇诚 ,  周宇 ,  杨占辉 ,  陈鑫 ,  安雯龙 ,  刘向超 ,  邹佳辰 ,  宗美晨 ,  朱俊勋

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于稀疏增强和鉴别字典学习的高维图像分类方法，预先获取图像分类数据集，并进行预处理；从鉴别稀疏表示分类模型DSRC，获得一个密集且有鉴别性的表示系数利用已知OMP算法从稀疏表示函数模型获取一个稀疏的表示系数 根据有序位置保持算法OLP，实现图像维度简约；采用Fisher准则来约束字典中的原子；采用交替优化策略更新变量低维空间中学习到的字典Dr、编码矩阵Ar、样本从高维空间转换到低维空间的特征转换矩阵P；再从高维到低维投影进行线性判别，利用线性分类器算法分类，最后对待预测物体图像进行分类，得出分类可信度最高的图像分类结果。本发明对低分辨率、噪声大等质量不合格的低质图像识别鲁棒性更高，且识别精度更好和速度更快。

公开(公告)号：CN118053063A

公开(公告)日：2024-05-17

申请号：CN202410022503.2

申请日：2024-01-05

Applicant: 淮阴工学院

Inventor： 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

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/0985 ,  G06T7/00

Abstract: 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。