[發明專利]醫學圖像分類的方法和裝置在審
| 申請號： | 201810006166.2 | 申請日： | 2018-01-03 |
| 公開（公告）號： | CN108596200A | 公開（公告）日： | 2018-09-28 |
| 發明（設計）人： | 許燕;李楠楠 | 申請（專利權）人： | 深圳北航新興產業技術研究院 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04 |
| 代理公司： | 北京匯捷知識產權代理事務所(普通合伙) 11531 | 代理人： | 于鵬 |
| 地址： | 518000 廣東省深圳市南山*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 醫學圖像 分類 方法和裝置 實例分類 卷積神經網絡 傳遞函數 分類結果 自動分類 自動學習 分類器 實例化 準確率 | ||
1.一種醫學圖像自動分類的方法，其特征在于，包括：
對醫學圖像進行實例化，得到輸入實例；
通過卷積神經網絡自動學習并提取所述輸入實例的特征；
根據所述特征，通過分類器將所述輸入實例進行分類，得到輸入實例分類結果；
根據所述輸入實例分類結果，通過柔性最大傳遞函數對所述醫學圖像進行分類，得到最終分類結果。
2.根據權利要求1所述的方法，其特征在于，所述對醫學圖像進行實例化包括：將所述醫學圖像以滑動窗的方式分割。
3.根據權利要求1所述的方法，其特征在于，所述通過卷積神經網絡自動學習并提取所述輸入實例的特征包括：通過所述卷積神經網絡自動學習所述輸入實例的特征，通過所述卷積神經網絡中的全連接層提取出所述輸入實例的特征。
4.根據權利要求1所述的方法，其特征在于，所述分類器為單層決策樹分類器。
5.一種醫學圖像自動分類的裝置，其特征在于，包括：
實例化模塊，用于對醫學圖像實例化以得到輸入實例；
特征學習和提取模塊，用于通過卷積神經網絡自動學習并提取所述輸入實例的特征；
實例分類模塊，用于根據所述特征，通過分類器將所述輸入實例進行分類，得到輸入實例分類結果；
圖像分類模塊，用于根據所述輸入實例分類結果，通過柔性最大傳遞函數對所述醫學圖像進行分類，得到最終分類結果。
6.根據權利要求5所述的方法，其特征在于，所述實例化模塊包括：將所述醫學圖像以滑動窗的方式分割。
7.根據權利要求5所述的方法，其特征在于，所述特征學習和提取模塊包括：通過所述卷積神經網絡自動學習所述輸入實例的特征，通過所述卷積神經網絡中的全連接層提取出所述輸入實例的特征。
8.根據權利要求5所述的方法，其特征在于，所述實例分類模塊中，采用單層決策樹作為分類器。
9.一種電子設備，其特征在于，包括：
一個或多個處理器；
存儲裝置，用于存儲一個或多個程序，
當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-4任一所述的方法。
10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-4中任一所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳北航新興產業技術研究院，未經深圳北航新興產業技術研究院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810006166.2/1.html，轉載請聲明來源鉆瓜專利網。
