[发明专利]医学图像分类的方法和装置在审
| 申请号： | 201810006166.2 | 申请日： | 2018-01-03 |
| 公开（公告）号： | CN108596200A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 许燕;李楠楠 | 申请（专利权）人： | 深圳北航新兴产业技术研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 北京汇捷知识产权代理事务所(普通合伙) 11531 | 代理人： | 于鹏 |
| 地址： | 518000 广东省深圳市南山*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 医学图像 分类 方法和装置 实例分类 卷积神经网络 传递函数 分类结果 自动分类 自动学习 分类器 实例化 准确率 | ||
1.一种医学图像自动分类的方法，其特征在于，包括：
对医学图像进行实例化，得到输入实例；
通过卷积神经网络自动学习并提取所述输入实例的特征；
根据所述特征，通过分类器将所述输入实例进行分类，得到输入实例分类结果；
根据所述输入实例分类结果，通过柔性最大传递函数对所述医学图像进行分类，得到最终分类结果。
2.根据权利要求1所述的方法，其特征在于，所述对医学图像进行实例化包括：将所述医学图像以滑动窗的方式分割。
3.根据权利要求1所述的方法，其特征在于，所述通过卷积神经网络自动学习并提取所述输入实例的特征包括：通过所述卷积神经网络自动学习所述输入实例的特征，通过所述卷积神经网络中的全连接层提取出所述输入实例的特征。
4.根据权利要求1所述的方法，其特征在于，所述分类器为单层决策树分类器。
5.一种医学图像自动分类的装置，其特征在于，包括：
实例化模块，用于对医学图像实例化以得到输入实例；
特征学习和提取模块，用于通过卷积神经网络自动学习并提取所述输入实例的特征；
实例分类模块，用于根据所述特征，通过分类器将所述输入实例进行分类，得到输入实例分类结果；
图像分类模块，用于根据所述输入实例分类结果，通过柔性最大传递函数对所述医学图像进行分类，得到最终分类结果。
6.根据权利要求5所述的方法，其特征在于，所述实例化模块包括：将所述医学图像以滑动窗的方式分割。
7.根据权利要求5所述的方法，其特征在于，所述特征学习和提取模块包括：通过所述卷积神经网络自动学习所述输入实例的特征，通过所述卷积神经网络中的全连接层提取出所述输入实例的特征。
8.根据权利要求5所述的方法，其特征在于，所述实例分类模块中，采用单层决策树作为分类器。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳北航新兴产业技术研究院，未经深圳北航新兴产业技术研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810006166.2/1.html，转载请声明来源钻瓜专利网。
