[发明专利]基于多尺度深度学习的乳腺癌图像识别方法、装置及介质在审
| 申请号： | 201910463121.2 | 申请日： | 2019-05-30 |
| 公开（公告）号： | CN110175998A | 公开（公告）日： | 2019-08-27 |
| 发明（设计）人： | 高雨枫;张天忆;沈闯 | 申请（专利权）人： | 沈闯 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G16H50/20;G06T7/11;G06T7/136 |
| 代理公司： | 北京酷爱智慧知识产权代理有限公司 11514 | 代理人： | 张绍磊 |
| 地址： | 210019 江苏省南京市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种基于多尺度深度学习的乳腺癌图像识别方法、装置及介质，方法包括：获取两个尺度图像；对两个尺度图像进行预处理，以得到图块集；将图块集输入预先训练的识别网络，以得到概率集；基于概率集得到概率热图，并将其转换为二值图像；提取二值图像的连通域特征，以得到两个特征集合，并将两个特征集合合并为目标特征集合；将目标特征集合输入预先训练的随机森林分类器进行预测，以得到预测结果。本发明实施例乳腺癌图像识别方法可以作为计算机辅助诊断工具，辅助病理科医生做出诊断，提高医生诊断的准确率与效率。 | ||
| 搜索关键词： | 图像识别 乳腺癌 尺度图像 二值图像 目标特征 特征集合 多尺度 图块 概率 集合 计算机辅助诊断 随机森林分类器 预处理 病理科医生 医生诊断 预测结果 连通域 准确率 诊断 合并 学习 转换 预测 网络 | ||
【主权项】：
1.一种基于多尺度深度学习的乳腺癌图像识别方法，其特征在于，包括：获取第一尺度图像及第二尺度图像；对所述第一尺度图像及第二尺度图像进行预处理，以得到第一图块集及第二图块集，所述预处理包括降采样、色彩空间转换及感兴趣区域提取；将所述第一图块集及第二图块集分别输入预先训练的第一识别网络及第二识别网络，以得到第一概率集及第二概率集；所述第一识别网络及第二识别网络为卷积神经网络；基于所述第一概率集及第二概率集得到第一概率热图及第二概率热图，并将所述第一概率热图及第二概率热图转换为第一二值图像及第二二值图像；提取所述第一二值图像及第二二值图像的连通域特征，以得到第一特征集合及第二特征集合，并将所述第一特征集合及第二特征集合合并为目标特征集合；将所述目标特征集合输入预先训练的随机森林分类器进行预测，以得到预测结果。
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沈闯，未经沈闯许可，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/201910463121.2/，转载请声明来源钻瓜专利网。
