[发明专利]一种基于迁移学习的癌症图像预测判别方法和系统在审
| 申请号： | 201910881787.X | 申请日： | 2019-09-18 |
| 公开（公告）号： | CN110660478A | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 郭文华;贺晨龙;马耀军 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G16H50/20 | 分类号： | G16H50/20;G16H30/00;G06N3/08;G06N3/04;G06K9/62 |
| 代理公司： | 61200 西安通大专利代理有限责任公司 | 代理人： | 陈翠兰 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于迁移学习的癌症图像预测判别方法和系统，该方法包括迁移学习模型的训练和基于迁移学习模型进行图像分类两部分，其中第一部分包括迁移学习模型的构建、数据集构建和迁移学习模型的训练和保存，第二部分通过加载第一部分保存好的迁移学习分类模型，输入需要判断的图像进行类别预测；该系统包括：至少一个处理器；至少一个存储器，用于存储至少一个运行程序以及待识别医学图像；当上述程序在上述处理器中运行时，使所述至少一个处理器实现所述中的医学图像预测识别。本发明用于对医学影像大数据进行智能化分析和判别，提供快速和相对精准的医疗辅助诊断，从而提高临床诊断的精确性和效率。 | ||
| 搜索关键词： | 迁移 学习 医学图像 处理器 构建 处理器实现 智能化分析 分类模型 辅助诊断 临床诊断 图像分类 图像预测 医学影像 运行程序 存储器 大数据 数据集 运行时 保存 预测 加载 存储 癌症 图像 医疗 | ||
【主权项】：
1.一种基于迁移学习的癌症图像预测判别方法，其特征在于，该方法包括迁移学习模型的训练和基于迁移学习模型进行图像分类两部分，具体包括以下步骤：/n第一部分：迁移学习模型的训练/n迁移学习模型的构建：迁移已经训练好的卷积神经网络模型，该模型包括基本的卷积层、池化层，最后由全连接层输出结果；结合医学图像分类任务对卷积神经网络模型的全连接层进行参数和结构调整，得到迁移模型，具体如下；/n数据集构建：对大量已知结果的医学图像进行分类和标签标记，按照设定比例将标记好的图像划分为训练集、验证集和测试集三部分；/n迁移学习模型的训练和保存：根据反向传播方法用划分好的训练数据集训练迁移学习模型，同时用验证集进行验证，计算出验证集的准确率，保存最后5次验证集进行验证时的模型参数，用测试集测试最终模型准确率；/n第二部分：基于迁移学习模型进行图像分类/n加载第一部分保存好的准确率最高的迁移学习分类模型，输入需要判断的图像进行类别预测。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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西安交通大学，未经西安交通大学许可，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/patent/201910881787.X/，转载请声明来源钻瓜专利网。
