[发明专利]一种基于深度卷积神经网络的医疗图像分级系统和方法在审
| 申请号： | 201710982421.2 | 申请日： | 2017-10-20 |
| 公开（公告）号： | CN107704886A | 公开（公告）日： | 2018-02-16 |
| 发明（设计）人： | 李轶轩;李建强;李娟;刘博;胡启东;张苓琳 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/32;G06T7/00 |
| 代理公司： | 北京思海天达知识产权代理有限公司11203 | 代理人： | 张慧 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 卷积 神经网络 医疗 图像 分级 系统 方法 | ||
1.一种基于深度卷积神经网络的医疗图像分类方法，其特征在于，包括：
自动分割原始图像
提取原始医疗图像绿色通道分量；
利用直方图均衡化修正提取出的灰度图像；
分别从修正后的图像提取杯盘比特征和视神经纤维层缺损特征；
使用深度卷积神经网络算法分别训练特征子集产生多个子分类器；
组合子分类器，投票得出最终分类结果。
2.根据权利要求1所述的基于深度卷积神经网络的医疗图像分级方法，其特征在于，所述自动分割原始图像过程为：利用感兴趣区域(ROI)自动提取技术实现。
3.根据权利要求1所述的基于深度卷积神经网络的医疗图像分级方法，其特征在于，所述使用深度卷积神经网络算法分别训练特征子集产生子分类器即为将预处理好的图像输入深度卷积神经网络算法训练，生成相应的子分类器。
4.根据权利要求1所述的基于深度卷积神经网络的医疗图像分级方法，其特征在于，所述组合子分类器，投票得出最终分类结果为：测试医疗图像分别由训练好的子分类器分类，统计分类结果，最多类即为最终分类结果。
5.一种基于深度卷积神经网络的医疗图像分级系统，其特征在于，包括：
自动分割原始图像装置，被配置为使用自动提取技术提取感兴趣区域图像；
绿色通道分类提取装置，被配置为提取原始医疗图像绿色通道分量；
直方图均衡化装置，被配置为利用直方图均衡化修正提取出的灰度图像；
特征提取装置，被配置为分别从修正后的图像提取杯盘比特征；视神经纤维层缺损特征；
子分类器训练装置，被配置为使用深度卷积神经网络算法分别训练特征子集产生子分类器；
结果投票装置，被配置为组合子分类器，投票得出最终分类结果。
6.根据权利要求5所述的基于深度卷积神经网络的医疗图像分级系统，其特征在于，所述自动分割原始图像过程为：利用了感兴趣区域(ROI)自动提取技术实现。
7.根据权利要求5所述的基于深度卷积神经网络的医疗图像分级系统，其特征在于，所述使用深度卷积神经网络算法分别训练特征子集产生子分类器即为将预处理好的图像输入深度卷积神经网络算法训练，生成相应的子分类器。
8.根据权利要求5所述的基于深度卷积神经网络的医疗图像分级系统，其特征在于，所述组合子分类器，投票得出最终分类结果为：测试医疗图像分别由训练好的子分类器分类，统计分类结果，最多类即为最终分类结果。
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北京工业大学，未经北京工业大学许可，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/pat/books/201710982421.2/1.html，转载请声明来源钻瓜专利网。
