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！

龙图腾网恭喜中国医学科学院北京协和医院申请的专利一种基于深度学习的分类器模型的训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN112541555B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202011534218.7，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的分类器模型的训练方法是由谭海宁;沈建雄;戎天华;冯尔维设计研发完成，并于2020-12-22向国家知识产权局提交的专利申请。

本一种基于深度学习的分类器模型的训练方法在说明书摘要公布了：本发明公开了一种基于深度学习的分类器模型的训练方法，包括：从第一数据集中的原始医学图像中获取感兴趣区域图像以形成第二数据集；对第二数据集的图像进行常规增强后得到初步扩充图像以形成第三数据集；利用生成式对抗网络模型的生成器生成对应感兴趣区域图像的进一步扩充图像以形成第四数据集；利用第二数据集的一部分图像训练分类器模型；分别利用第二数据集的另一部分图像、第三数据集、第四数据集验证模型的分类准确率并得到近似相等的准确率值q1、q2、q3；利用第二、第三及第四数据集重新训练分类器模型并得出准确率值q4，q4分别大于q1、q2或q3。本发明能够在保证图像深层次特征没改变的情况下扩充训练集，从而提高模型的分类准确率。

本发明授权一种基于深度学习的分类器模型的训练方法在权利要求书中公布了：1.一种基于深度学习的分类器模型的训练方法，其特征在于，包括以下步骤：步骤1、根据预设分类标准对原始医学图像进行人工分类并添加分类标签，带有所述分类标签的所述原始医学图像组成第一数据集；步骤2、从所述第一数据集中的所述原始医学图像中获取感兴趣区域图像，所述感兴趣区域图像组成第二数据集；步骤3、对所述第二数据集中的所述感兴趣区域图像执行翻转、旋转、缩放操作以得到初步扩充图像，所述初步扩充图像组成第三数据集；步骤4、利用预先创建的基于深度神经网络的生成式对抗网络模型的生成器生成对应于所述感兴趣区域图像的进一步扩充图像，所述进一步扩充图像组成第四数据集；步骤5、利用所述第二数据集中的一部分感兴趣区域图像训练目标分类器模型；步骤6、利用所述第二数据集中的另一部分感兴趣区域图像验证所述目标分类器模型的准确率并得到分类准确率值q1，利用所述第三数据集验证所述目标分类器模型的准确率并得到分类准确率值q2，利用所述第四数据集验证所述目标分类器模型的准确率并得到分类准确率值q3，q2与q1之差的绝对值和q3与q1之差的绝对值均小于预设阈值；以及步骤7、将所述第二数据集、所述第三数据集以及所述第四数据集输入到所述目标分类器模型重新进行训练并得出分类准确率值q4，q4分别大于q1、q2或q3，其中，所述第二数据集、所述第三数据集以及所述第四数据集的数据量相等；所述生成式对抗网络模型的训练过程为：基于所述第二数据集和预设随机分布噪声对所述生成式对抗网络模型的生成器和判别器进行交替训练；基于所述第二数据集和预设随机分布噪声对所述生成式对抗网络模型的生成器和判别器进行交替训练，包括：生成步骤：固定所述判别器的参数，将所述预设随机分布噪声输入到所述生成器中以输出生成图像；判别步骤：固定所述生成器的参数，将所述生成图像和所述第二数据集输入到所述判别器中以输出真假概率值；优化步骤：将所述真假概率值传递到所述生成器，使用优化器优化所述判别器和所述生成器；重复所述生成步骤、所述判别步骤以及所述优化步骤，直到获得满足预设条件的损失函数值，得到训练好的生成器和判别器；所述步骤4进一步包括：将所述预设随机分布噪声输入到所述训练好的生成器中生成所述进一步扩充图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国医学科学院北京协和医院，其通讯地址为：100070 北京市东城区王府井帅府园1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。