首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于频域深度学习的肺癌图像识别方法 

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

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。