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：江南大学
摘要：本发明公开了一种基于自监督预训练的无监督小样本宫颈细胞分类方法，属于数字图像处理与医学交叉技术领域。所述方法通过自监督预训练技术为特征提取网络提供良好的初始参数，随后，在无监督小样本学习阶段，基于两种不同数据增强技术生成支持集和查询集样本，构建大量小样本分类任务微调特征提取网络；最后，提出分布偏移损失函数，在训练过程中逐渐扩大支持集和查询集的分布差异，增加小样本分类任务的难度，从而提高算法的分类准确度；相对于现有宫颈细胞分类方法，本申请方案极大的降低了数据的收集和标注成本，提高了分类精度，且有效减少了病理医生对宫颈细胞分类的工作强度。
主权项：1.一种基于自监督预训练的无监督小样本宫颈细胞分类方法，其特征在于，所述方法包括：步骤1，将小样本宫颈细胞图像数据集划分为元训练集和元测试集，其中元训练集不包含图像的标签信息，元测试集包含图像的标签信息；步骤2，基于卷积神经网络搭建特征提取网络；步骤3，基于元训练集构建图像旋转方向判定的辅助任务和对比学习任务，对步骤2搭建的特征提取网络进行自监督预训练；步骤4，基于元训练集分别采用传统数据增强技术和自动数据增强技术生成支持集和查询集图像，构建N-wayK-shot小样本分类任务进行无监督小样本学习，微调特征提取网络；其中N表示一个小样本分类任务中样本的总的类别数，K表示每个类别包含的支持集样本个数，并提出分布偏移损失函数；步骤5，利用训练完成的特征提取网络对待分类的宫颈细胞进行分类。
全文数据：
权利要求：
百度查询： 江南大学 一种基于自监督预训练的无监督小样本宫颈细胞分类方法
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