龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：大连医科大学附属第一医院;大连民族大学
摘要：本发明公开了一种基于二阶池化混合监督学习的乳腺癌全切片病理图像分类方法，包括：将乳腺癌全切片病理图像划分为训练集和测试集，将该图像划分为示例级别图像；构造基于二阶池化混合监督学习的网络结构，该网络结构包括示例分类器，采用训练集中的图像对网络结构进行自监督训练，从而对示例特征编码器进行特征编码；采用测试集图像对完成训练的网络结构进行测试，并对乳腺癌全切片病理图像分类。该方法将自监督方法与弱监督方法相结合，用于构建示例分类器。在示例级分类器中引入了二阶池化，从而提高对示例级特征的关注，捕获数据的结构和模式，通过更精细的示例级分析来提升最终的乳腺癌全切片图像分类的准确性。
主权项：1.一种基于二阶池化混合监督学习的乳腺癌全切片病理图像分类方法，其特征在于包括：将乳腺癌全切片病理图像划分为训练集和测试集，并对训练集和测试集中的图像进行高斯模糊处理和反二进制阈值处理从而读取关键区域，同时将该图像划分为示例级别图像；构造基于二阶池化混合监督学习的网络结构，该网络结构包括示例分类器，基于示例特征编码器和二阶视觉感知模块构造所述示例分类器；采用训练集中的图像对网络结构进行自监督训练，从而对示例特征编码器进行特征编码；采用弱监督学习过程对完成自监督训练的示例特征编码器和随机初始化的二阶视觉感知模块进行训练，并保存模型权重值；其中在学习过程中进行示例级别概率预测，并对概率高的示例分配包级伪标签进行网络参数更新，并将示例级别概率预测与分配包级伪标签交替进行；采用测试集图像对完成训练的网络结构进行测试，并对乳腺癌全切片病理图像分类。
全文数据：
权利要求：
百度查询： 大连医科大学附属第一医院 大连民族大学 一种基于二阶池化混合监督学习的乳腺癌全切片病理图像分类方法
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