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。