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：哈尔滨理工大学
申请日：2024-03-26
公开（公告）日：2024-06-28
公开（公告）号：CN118260442A
主分类号：G06F16/583
分类号：G06F16/583;G06F16/538;G06V10/44;G06V10/80;G06N3/0455;G06N3/0895;G06N3/084;G16H30/20
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：一种基于自监督学习的病理图像乘积量化检索方法，涉及医学图像处理领域。本发明是为了解决PQ检索中提取图像特征的模型无法提取病理图像关键信息的问题。本发明所述的一种基于自监督学习的病理图像乘积量化检索方法，将被检索病理图像输入至病理图像SPQ检索模型中，获得被检索病理图像的图像特征向量；将检索库中的所有检索图像均输入至病理图像SPQ检索模型中，获得检索图像的乘积量化码；分别计算所述被检索病理图像的图像特征向量与每一幅检索图像的乘积量化码之间的欧式距离；将所有欧氏距离由小到大进行排序，并提取排序前1％的欧氏距离作为检索欧式距离；将检索欧式距离对应的检索图像作为被检索病理图像的检索结果。
主权项：1.一种基于自监督学习的病理图像乘积量化检索方法，其特征在于，包括：将被检索病理图像输入至病理图像SPQ检索模型中，获得被检索病理图像的图像特征向量；将检索库中的所有检索图像均输入至病理图像SPQ检索模型中，获得检索图像的乘积量化码；分别计算所述被检索病理图像的图像特征向量与每一幅检索图像的乘积量化码之间的欧式距离；将所有欧氏距离由小到大进行排序，并提取排序前1％的欧氏距离作为检索欧式距离；将检索欧式距离对应的检索图像作为被检索病理图像的检索结果。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于自监督学习的病理图像乘积量化检索方法
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