买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春理工大学

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；步骤二中构建ClassSwin网络模型的方法为：S2.1、初始化ClassSwin网络模型参数，并定义构建ClassSwin网络模型所需要的参数；S2.2、基于S2.1所定义的参数，构建ClassSwin网络模型的层级结构，所述层级结构包括卷积层、PatchEmbed模块、位置层、BasicLayer模块、归一化层、平均池化层、线性分类层；S2.3、初始化ClassSwin网络模型的层级结构中的线性层和归一化层的权重；S2.4、通过PatchEmbed模块处理输入的图像，依次通过每个BasicLayer模块进行特征提取，应用归一化层，通过平均池化层降维，并通过线性分类层得到最终的输出；S2.3中初始化ClassSwin网络模型的层级结构中的线性层和归一化层的权重的方法为：S2.3.1、构建卷积Stem层，用于提取输入图像的局部特征；S2.3.2、使用PatchEmbed模块将经过卷积Stem层的特征图分割成至少一个的非重叠的补丁；S2.3.3、引入位置dropout层，用于在ClassSwin网络模型训练的过程中丢弃非重叠的补丁；S2.3.4、构建BasicLayer模块序列，用于构建ClassSwin网络模型的层级结构；S2.3.5、构建SCAB模块，在ClassSwin网络模型中添加SCAB模块，进而获得图像的空间和通道特征；S2.3.6、去除ClassSwin网络模型中的位置编码；S2.3.7、应用归一化层，在S2.3.4构建BasicLayer模块序列后，使用归一化层来处理特征；S2.3.8、使用平均池化层降维；S2.3.9、基于S2.3.1至S2.3.8，完成ClassSwin网络模型的层级结构中的线性层和归一化层的权重。

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