[发明专利]一种基于生成对抗网络优化医学图像分类性能的方法在审
| 申请号： | 201811404314.2 | 申请日： | 2018-11-23 |
| 公开（公告）号： | CN109635850A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 夏海琪;程国华;季红丽 | 申请（专利权）人： | 杭州健培科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 310018 浙江省杭*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于生成对抗网络优化医学图像分类性能的方法。它包括构建分类任务数据集；在现有的数据上训练分类算法模型；利用生成对抗网络生成新的正样本候选数据；利用投票机制对生成的正样本数据进行严格筛选；按一定比例将生成的数据融入已有的正样本数据微调分类网络。本发明的技术优点在于解决医疗图像分类中存在的正样本数据量少而导致算法泛化能力差，易过拟合，以及人工积累数据成本高等问题。另外，在提升医疗图像分类算法性能的同时能在一定程度上提升算法的抗攻击能力。 | ||
| 搜索关键词： | 正样本 分类性能 网络优化 医疗图像 医学图像 算法 对抗 抗攻击能力 分类算法 分类网络 候选数据 技术优点 任务数据 算法模型 投票机制 网络生成 训练分类 数据量 分类 构建 拟合 微调 筛选 融入 积累 | ||
【主权项】：
1.一种基于生成对抗网络优化医学图像分类性能的方法，其特征在于：（1）构建分类任务数据集，包括数据预处理、给定标签等；（2）在已有数据上利用数据增广的方式训练初步的分类算法模型；（3）利用原始的正样本数据，训练生成对抗网络生成新的正样本候选数据；（4）将生成的正样本候选数据进行对应（2）中数据增广方式的图像处理，并对（2）的分类模型进行判别，然后采用投票机制判断生成的候选正样本的有效性；（5）将（4）中筛选出的有效候选正样本按一定比例融入（1）构建的数据集，利用新的数据集在（2）的分类模型上进行微调；（6）将（4）中筛选出的有效候选正样本按一定比例融入（1）构建的数据集，利用新的数据集在（2）的分类模型上进行微调。
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杭州健培科技有限公司，未经杭州健培科技有限公司许可，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/201811404314.2/，转载请声明来源钻瓜专利网。
