申请/专利权人：南昌大学

申请日：2024-05-23

公开（公告）日：2024-06-21

公开（公告）号：CN118230074A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06N3/047;G06N3/0464;G06N3/045;G06N3/096;G06N3/042;G06N3/06

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明提供了一种知识辅助迁移学习的乳腺癌分子亚型识别方法及系统，该方法通过采用基于ImageNet预训练的Resnet50作为初始病灶分类器，并对其全连接层进行设置，得到目标病灶分类器；对数据集进行ROI采样和数据增强处理，得到若干目标采样块，并将目标采样块和对应的图像标签输入目标病灶分类器中训练；将目标病灶分类器的全局平均池化层和全连接层去除，随后添加顶部网络，得到整图分类器，再将处理后的影像整图输入整图分类器中，以进行预训练；采用乳腺癌分子亚型数据集输入到预训练后的整图分类器，进行迁移学习，得到目标整图分类器，最后将待诊断影像输入目标整图分类器中，输出softmax计算后置信度最高的图像级标签，以实现乳腺癌分子亚型识别。

主权项：1.一种知识辅助迁移学习的乳腺癌分子亚型识别方法，其特征在于，所述方法包括：构建并训练目标病灶分类器，具体包括：采用基于ImageNet预训练的Resnet50作为初始病灶分类器，并根据钙化良性、恶性，肿瘤良性、恶性，背景总共五类采样块，对所述初始病灶分类器的全连接层设置为5个输出神经元，得到目标病灶分类器，以使所述目标病灶分类器输出的向量维度和病灶采样块的类别数一致，在采样块级别上生成五类图像标签，其中，所述采样块被分为五类，包括背景、恶性肿块、良性肿块、恶性钙化和良性钙化，所述目标病灶分类器至少包括依次设置的第一网络块、第二网络块、第三网络块及第四网络块，第一网络块和第四网络块均包括三个瓶颈结构，第二网络块均包括四个瓶颈结构，第三网络块均包括六个瓶颈结构，每个瓶颈结构由三个卷积层串联组成，卷积核的尺寸依次分别为1×1、3×3和1×1；对DDSM数据集中的每张影像依次进行ROI采样和数据增强处理，得到若干目标采样块，并将目标采样块和对应的图像标签输入所述目标病灶分类器中，以对所述目标病灶分类器进行预训练；构建并训练目标整图分类器，具体包括：将所述目标病灶分类器的全局平均池化层和全连接层去除接着在其修剪后的目标病灶分类器输出端依次添加第五网络块、第六网络块、全局平均池化层及全连接层，得到整图分类器；采用DDSM数据集的影像整图作为训练样本，将所述训练样本缩放为1024×1024的尺寸，同时，将恶性肿块和良性肿块统一为肿块标签，恶性钙化和良性钙化统一为钙化标签；将调整后的为肿块标签或钙化标签的影像整图输入整图分类器中，以对整图分类器进行预训练，得到学习乳腺癌共性特征的分类器；采用乳腺癌分子亚型数据集输入到预训练后的整图分类器，进行迁移学习，得到目标整图分类器；将待诊断影像输入所述目标整图分类器中，输出softmax计算后置信度最高的图像级标签。

全文数据：

权利要求：

百度查询： 南昌大学 一种知识辅助迁移学习的乳腺癌分子亚型识别方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD