申请/专利权人:长春理工大学
申请日:2024-05-27
公开(公告)日:2024-06-25
公开(公告)号:CN118247582A
主分类号:G06V10/764
分类号:G06V10/764;G06N3/0455;G06N3/0464;G06N3/08;G06V10/774;G06V10/82
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:一种基于SwinTransformer的脑肿瘤图像自动分类方法和系统,涉及医学图像处理领域,解决现有技术中深度学习在处理和分析大量的脑肿瘤图像数据存在效率低以及准确性差的问题。本发明包括以下技术方案:所述方法包括以下步骤:获取脑肿瘤自动分类图像并形成数据集,对所述数据集进行图像增强,将增强后的数据集分为训练数据集和验证数据集;构建ClassSwin网络模型,对训练数据集和验证数据集输入到步骤二中所构建的ClassSwin网络模型中,对ClassSwin网络模型进行训练;将训练后的ClassSwin网络模型采用测试数据集进行验证,采用验证后的ClassSwin网络模型完成对脑肿瘤图像的自动分类。适用于深度学习和计算机视觉领域中。
主权项:1.一种基于SwinTransformer的脑肿瘤图像自动分类方法,其特征在于,所述方法包括以下步骤:步骤一、获取脑肿瘤自动分类图像并形成数据集,对所述数据集进行图像增强,将增强后的数据集分为训练数据集和验证数据集;步骤二、构建ClassSwin网络模型,所述ClassSwin网络模型包括一个卷积Stem层和至少一个ClassSwinBlock;步骤三、对步骤一中的训练数据集和验证数据集输入到步骤二中所构建的ClassSwin网络模型中,对ClassSwin网络模型进行训练;步骤四、将步骤三训练后的ClassSwin网络模型采用测试数据集进行验证,采用验证后的ClassSwin网络模型完成对脑肿瘤图像的自动分类。
全文数据:
权利要求:
百度查询: 长春理工大学 一种基于Swin Transformer的脑肿瘤图像自动分类方法和系统
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。