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：潍坊护理职业学院

摘要：本发明涉及一种基于频域深度学习的肺癌图像识别方法，步骤包括数据采集、数据集划分、数据增强、频域模型构建、损失训练和评价结果等，本发明有效地结合了频域特征分析和深度学习技术，通过利用频域中的关键特征，精准地识别和分类肺癌图像。通过结合迁移学习技术，能够在有限的数据集上实现高效的模型训练，提高了模型的泛化能力，从而在多样化的临床案例中表现出更好的鲁棒性。本发明通过频域特征的引入和迁移学习的应用，使模型能够更有效地学习通用和关键特征，而不是过度依赖于特定的训练数据集，降低了过拟合的风险。本发明还可以进行数字图像处理和计算机视觉分析，以提高识别的准确性和效率。

主权项：1.一种基于频域深度学习的肺癌图像识别方法，其特征在于：步骤如下：1数据采集获取一定数量的肺癌病理组织样本，将获取的组织样本固定、脱水、透明化、浸蜡，然后切成薄片，对肺癌病理组织染色，收集高分辨率图像；对肺癌病理图像进行详细注释，包括肿瘤的类型和分期；2数据集划分将上一步得到的图像数据集分成不同的子集，包括训练集、验证集和测试集，用于训练、验证和测试深度学习模型；3数据增强将训练集中的肺癌病理图像进行数据增强，通过对病理图像进行不同角度、尺度、光照条件和色彩的变化方法，扩充数据样本形成新的训练集；4频域模型构建将增强后的训练集输入网络模型进行训练，网络模型的参数是利用ImageNet自然图像预训练得到的；所述的网络模型为F-NET模型，主干网络采用分层的设计，在不同分辨率下捕获丰富的特征信息：较低层网络，网络被训练以检测微观细节，包括单个细胞的形态变化、微小的组织破坏、病变初期的细微差异、细胞异形性、核分裂图像或细胞间质的变化；中间层网络，网络被训练以检测宏观特征，包括不同组织结构间的关联性及其在疾病进程中的演变；最高层网络用于综合上述微观和宏观的信息，以形成对整体病理状况的全面认识和评估；5损失训练在模型的训练过程中，引入损失函数，通过计算真实标签的概率分布和模型预测的概率分布之间的差异，估计模型的预测值与真实值之间的不一致程度；6评价结果输入数个肺癌病理图像至模型，从中生成一组预测结果；将预测结果与相应的专家标注结果进行详尽对比，以此来定量评估肺癌病理图像识别模型的准确性；若模型的准确率达到或者超过了既定的性能阈值，模型即被认定为达标；若准确率未达标准，则系统自动向学习模块发送指令，要求继续训练与优化，直到最终模型准确率达到既定的性能阈值。

全文数据：

权利要求：

百度查询： 潍坊护理职业学院 一种基于频域深度学习的肺癌图像识别方法