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：杨海

摘要：本发明涉及医学图像处理技术领域，具体涉及基于权重迁移的深度融合网络的食管疾病图像分类方法，该网络多个数据集内的食管炎图片和巴雷特食管炎内窥镜图片。神经网络模型利用RY_RNet50网络模型和VGG16网络模型进行特征提取，并在训练期间选择性冻结特定层，其顶层部分使用支持向量机作为分类器来对食管炎和巴雷特食管炎进行分类。实验结果表明神经网络模型整体分类准确率高达97.71％，其中食管炎分类精度为97.22％，巴雷特食管炎分类精度为99.11％。我们还采用了梯度加权类激活图来增加模型的可解释性，本研究可为内镜医师的诊断提供客观参考，有助于提高食管疾病的诊断准确率，对食管癌的预防具有重要作用。

主权项：1.基于权重迁移的深度融合网络的食管疾病图像分类方法，其特征在于，包含以下步骤：1数据集准备从多个数据库中收集食管炎图像和巴雷特食管炎图像；2数据预处理将收集到的数据集划分为训练集、验证集、测试集，并将训练集内的图像进行数据增强，数据增强操作包括缩放、水平翻转、垂直翻转、随机旋转，然后将图像裁剪成224×224像素；3数据集导入网络模型内进行训练创建RY_RNet50网络模型，在RY_RNet50网络模型的基础模块中convT模块由12个conv4_x模块组成，基础模块形成后输入至通道注意力机制中，并与基础模块的输出拼接在一起，在maxpool层之后添加了flatten层，将多维的输出变为一维，然后输入到密集层“dense_1024”中，在“dense_1024”之后使用dropout层随机停用参数，最后输入到密集层，密集层使用线性激活函数，并使用L2正则化；同时，用铰链损失函数参与训练过程，铰链损失函数由下式给出：Losshingey＝max0,1-y’y其中y表示正确的类别，y'表示预测输出；在数据集上训练时组合RY_RNet50网络模型和VGG16网络模型，冻结两个网络模型中的低层权重，训练高层权重；4网络模型的融合建立神经网络模型，神经网络模型模型从RY_RNet50网络模型和VGG16网络模型的“dense_1024”层提取扁平化的特征向量，再将RY_RNet50网络模型和VGG16网络模型的输出行向量连接起来形成连接层，连接层生成2048维的向量，然后传递到批标准化层进行归一化，然后输入到第一个密集层，该层使用relu激活函数，最后输入到第二个密集层，该层的激活函数为linear线性，并使用L2正则化，整个训练过程使用铰链损失函数；5得出食管炎图像和巴雷特食管炎图像分类结果的模型性能评估通过神经网络模型得到混淆矩阵，混淆矩阵上表示了在测试集上食管炎图像和巴雷特食管炎图像的分类结果。

全文数据：

权利要求：

百度查询： 杨海 基于权重迁移的深度融合网络的食管疾病图像分类方法