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：复旦大学附属中山医院青浦分院(上海市青浦区中心医院)
申请日：2024-03-22
公开（公告）日：2024-06-28
公开（公告）号：CN118262153A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/774;G06V10/82;G06V10/40;G06T5/40;G06N3/006
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明公开了一种基于多模态的甲状腺肿瘤图像分类方法、装置及介质，通过采用多模态的数据，能够有效地利用各种图像数据特征，从而提高图像的分类效果，克服了现有技术中仅采用单一模态甲状腺肿瘤图像，导致甲状腺肿瘤图像的识别准确率较低的问题；并且针对现有技术中对深度学习优化能力差，导致计算机的处理效率低以及参数学习的效果不好，从而进一步地导致了甲状腺肿瘤图像的识别准确率较低的问题，通过智能优化算法对深度学习过程进行优化以及控制，能够有效地提升深度学习的效果以及效率，最终提升了图像分类的准确性。
主权项：1.一种基于多模态的甲状腺肿瘤图像分类方法，其特征在于，包括：获取数据库中预先存储的多模态训练数据，所述多模态训练数据包括多模态甲状腺肿瘤图像以及多模态甲状腺肿瘤图像对应的分类标签；对所述多模态训练数据进行预处理，得到预处理之后的多模态训练数据，并将预处理之后的多模态训练数据划分为训练集；以图像分类神经网络模型为基础，采用训练集作为数据支持，对图像分类神经网络模型进行训练，获取每一种模态对应的特征提取模型；构建特征识别模型，采用训练集作为数据支持，对特征识别模型进行训练，以获取训练之后的特征识别模型；以每一种模态对应的特征提取模型以及训练之后的特征识别模型为基础，构建多模态甲状腺图像分类模型，并采用多模态甲状腺图像分类模型对实时采集的多模态甲状腺肿瘤图像进行分类，得到图像分类结果。
全文数据：
权利要求：
百度查询： 复旦大学附属中山医院青浦分院(上海市青浦区中心医院) 基于多模态的甲状腺肿瘤图像分类方法、装置及介质
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