龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：杭州电子科技大学
申请日：2021-05-13
公开（公告）日：2024-06-11
公开（公告）号：CN113298065B
主分类号：G06V10/22
分类号：G06V10/22;G06V10/25;G06V10/774;G16H30/40;G16H50/20
优先权：
专利状态码：有效-授权
法律状态：2024.06.11#授权;2021.09.10#实质审查的生效;2021.08.24#公开
摘要：本发明公开了一种基于自监督学习的眼部黑色素肿瘤识别方法。包括：医疗影像数据划分，将数据划分为标注数据和未标注数据两类；将所有未标注数据输入到自监督算法网络中，通过多次迭代不断训练网络参数；提取训练得到残差网络，在该网络的基础上叠加一个特征提取网络，形成复合网络结构，通过训练，得到可用于块级眼部黑色素肿瘤识别的复合网络模型；生成每张标注数据对应的热力图,并由此整合成图像级热力图；最后，提取每张热力图的特征，将特征数据输入到随机森林中进行训练，得到可用于图像级眼部黑色素肿瘤识别的随机森林模型。本发明通过设计肿瘤特征和区域判别的网络特征映射层，使得眼部黑色素肿瘤的识别准确率有了进一步的提升。
主权项：1.基于自监督学习的眼部黑色素肿瘤识别方法，其特征在于，该方法包括如下步骤：1医疗影像数据划分，根据眼部医疗影像上的黑色素肿瘤区域是否经过相关医学专家标注，将数据划分为标注数据和未标注数据两类,并以滑动窗口的方法将标注数据和未标注数据切分成块级图像，对所有块级图像进行图像预处理和数据增强；2将步骤1中的所有未标注数据输入到以残差网络为基础的自监督算法网络中，通过多次的迭代不断训练网络参数；3提取步骤2中训练得到的残差网络，在该残差网络的基础上叠加一个特征提取网络，形成复合网络，并将步骤1中的所有标注数据输入到复合网络中，通过训练，得到用于块级眼部黑色素肿瘤识别的复合网络；4使用步骤3中训练得到的复合网络，计算每张块级标注数据中含有肿瘤的概率，生成每张标注数据对应的热力图，并由此整合成图像级热力图；5提取步骤4中获得的每张热力图的特征，将特征数据输入到随机森林中进行训练，得到用于图像级眼部黑色素肿瘤识别的随机森林模型；6通过使用步骤5中训练得到的随机森林模型，实现针对眼部医疗影像上是否含有黑色素肿瘤的图像级识别。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 基于自监督学习的眼部黑色素肿瘤识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号