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：安徽工业大学
申请日：2024-03-22
公开（公告）日：2024-06-25
公开（公告）号：CN118247553A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/762;G06V10/774;G06V10/82;G06N3/0499;G06V10/94;G06V10/98;G06T7/00
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种皮肤疾病图像分类方法，属于机器学习技术领域。本发明的方法包括，构建皮肤疾病图像数据集；对数据集中的图片按照具体皮肤疾病类别进行分类；采用基于标签的聚类算法，将联邦学习参与方进行聚类，形成多个集群；同一集群的联邦学习参与方共享同一个模型进行训练。本发明通过联邦学习参与方利用本地皮肤镜图像数据集协同训练模型，无需传输原始图像数据，解决了采用传统集中式训练方法存在泄露患者隐私风险的隐私问题；其次，采用基于标签的聚类算法，将联邦学习参与方进行聚类，形成多个集群，同一集群内的联邦学习参与方共享同一个DenseNet模型并按照加入集群的顺序依次训练，提高训练效率以及增强模型的性能。
主权项：1.一种皮肤疾病图像分类方法，其特征在于：包括以下步骤，S1：构建皮肤疾病图像数据集；S2：对数据集中的图片按照具体皮肤疾病类别进行分类；S3：采用基于标签的聚类算法，将联邦学习参与方进行聚类，形成多个集群；S4：同一集群的联邦学习参与方共享同一个模型进行训练；其中，步骤S3具体为，S31：联邦学习参与方基于自身数据集得到标签向量；S32：基于联邦学习参与方的标签向量累加得到全局标签向量；S33：计算联邦学习参方与全局标签向量之间的相似度；S34：依照相似度大小逆序排列，接着从排序好后的参与方序列依次选择k个作为k个聚类中心，剩下的联邦学习参方作为待加入群集的联邦学习参与方；S35：以集群的标签相似度增长率为指标，将待加入集群的联邦学习参与方加入集群并动态更新每个集群样本标签向量。
全文数据：
权利要求：
百度查询： 安徽工业大学 一种皮肤疾病图像分类方法
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