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：2024-04-11
公开（公告）日：2024-06-14
公开（公告）号：CN118196537A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/774;G06V10/82;G06V10/80;G06N3/0464;G06N3/08;G06T7/00
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种基于深度学习的乳腺影像组学分类方法及系统，该方法首先获取乳腺钼靶数据集和乳腺超声数据集，对病灶区域进行标注分类，并进行数据预处理。其次获取组织活检影像数据集，对其图像做水平、垂直翻转的数据增广。然后基于YOLOv5模型构建乳腺影像组学分类模型，并利用乳腺钼靶数据集、乳腺超声数据集、组织活检影像数据集进行乳腺影像组学分类模型训练。最后分别采用预处理后的乳腺钼靶数据集和乳腺超声数据集，通过训练后的乳腺影像组学分类模型对进行预测，输出分类结果。本发明可对同一患者的不同检查影像数据组合，应用乳腺影像组学对其进行综合计算，操作方便、准确可靠、高效、通用性强。
主权项：1.一种基于深度学习的乳腺影像组学分类方法，其特征在于，包括如下步骤：步骤1、获取乳腺钼靶数据集，对乳腺钼靶数据集中的病灶区域进行标注分类；步骤2、获取乳腺超声数据集，使用与乳腺钼靶数据同样的方式对乳腺超声数据进行标注分类；步骤3、分别针对乳腺钼靶数据集和乳腺超声数据集进行数据预处理；步骤4、获取组织活检影像数据集，对其图像做水平、垂直翻转的数据增广；步骤5、基于YOLOv5模型构建乳腺影像组学分类模型，并利用乳腺钼靶数据集、乳腺超声数据集、组织活检影像数据集进行乳腺影像组学分类模型训练；步骤6、分别采用预处理后的乳腺钼靶数据集和乳腺超声数据集，通过训练后的乳腺影像组学分类模型对进行预测，输出分类结果。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种基于深度学习的乳腺影像组学分类方法及系统
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