[发明专利]基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统在审
| 申请号： | 201810090071.3 | 申请日： | 2018-01-30 |
| 公开（公告）号： | CN108281183A | 公开（公告）日： | 2018-07-13 |
| 发明（设计）人： | 王品;王力锐;李勇明;宋琪;颜芳;谭晓衡 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G16H50/20 | 分类号： | G16H50/20;G06N3/04;G06N3/08 |
| 代理公司： | 成都蓉域智慧知识产权代理事务所(普通合伙) 51250 | 代理人： | 陈千 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统，包括：样本数据库，用于存储训练样本；预训练模型，该模型采用卷积神经网络模型，包括卷积层、池化层和全连接层，并利用所述样本数据库中的训练样本进行训练，使其满足多分类要求；重构模型，该模型通过迁移预训练模型中卷积层、池化层的网络结构和参数，通过修改全连接层架构，使其满足宫颈涂片图像分类任务；待测样本获取模块，用于获取待测的宫颈涂片图像样本，通过输入所述重构模型得到对应的分类结果。其效果是：系统能够允许不同大小的图像输入，具有高性能的分类效果，对宫颈癌的早期筛查和诊断具有较好的辅助效果。 | ||
| 搜索关键词： | 宫颈涂片 卷积神经网络 图像诊断系统 样本数据库 训练模型 训练样本 迁移 连接层 池化 卷积 重构 待测样本 分类结果 分类效果 辅助效果 获取模块 图像分类 图像输入 图像样本 网络结构 早期筛查 宫颈癌 存储 架构 诊断 学习 分类 | ||
【主权项】：
1.一种基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统，其特征在于包括：样本数据库，用于存储训练样本；预训练模型，该模型采用卷积神经网络模型，包括卷积层、池化层和全连接层，并利用所述样本数据库中的训练样本进行训练，使其满足多分类要求；重构模型，该模型通过迁移预训练模型中卷积层、池化层的网络结构和参数，通过修改全连接层架构，使其满足宫颈涂片图像分类任务；待测样本获取模块，用于获取待测的宫颈涂片图像样本，通过输入所述重构模型得到对应的分类结果。
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重庆大学，未经重庆大学许可，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/201810090071.3/，转载请声明来源钻瓜专利网。
