买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜深圳开远科技有限公司申请的专利一种医疗图像数据集的自适应图像分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119625441B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510156684.2，技术领域涉及：G06V10/764；该发明授权一种医疗图像数据集的自适应图像分类方法及系统是由寇立岩设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本一种医疗图像数据集的自适应图像分类方法及系统在说明书摘要公布了：本发明涉及图像识别技术领域，尤其涉及一种医疗图像数据集的自适应图像分类方法及系统。所述方法包括以下步骤：获取待分类医疗图像数据集，并提取每张图像的关键兴趣区域，其中待分类医疗图像数据集包括若干的X光医疗图像和CT医疗图像；根据关键兴趣区域对待分类医疗图像数据集进行频域转换，并分别分析待分类医疗图像数据集中每张图像的纹理细粒度，得到高频纹理细粒度和低频纹理细粒度；整合高频纹理细粒度和低频纹理细粒度作为第一分类特征点。本发明通过自适应图像增强、纹理细粒度分析和对比度差异计算，提升了不同类型医疗图像分类的准确性和适应性。

本发明授权一种医疗图像数据集的自适应图像分类方法及系统在权利要求书中公布了：1.一种医疗图像数据集的自适应图像分类方法，其特征在于，包括以下步骤：步骤S1：获取待分类医疗图像数据集，并提取每张图像的关键兴趣区域，其中待分类医疗图像数据集包括若干的X光医疗图像和CT医疗图像；步骤S2：根据关键兴趣区域对待分类医疗图像数据集进行频域转换，并分别分析待分类医疗图像数据集中每张图像的纹理细粒度，得到高频纹理细粒度和低频纹理细粒度；整合高频纹理细粒度和低频纹理细粒度作为第一分类特征点；步骤S3：基于预设的医疗病理图像库对每张图像的关键兴趣区域进行局部以及全局对比度差异计算，得到局部对比度差异数据和全局对比度差异数据；步骤S2包括以下步骤：步骤S21：对待分类医疗图像数据集的关键兴趣区域进行傅里叶变换，得到关键兴趣区域的频域转换图；步骤S22：基于阈值划分关键兴趣区域的频域转换图，得到频域转换图的高频部分以及低频部分；步骤S22包括以下步骤：采用2D方向性滤波器对频域转换图的高频部分以及低频部分分别进行频域方向的角度分布计算，得到高频部分的频域角度分布和低频部分的频域角度分布，其中计算公式如下： 其中，表示频域中每个点的方向角度，为频域的复数频率分量，为图像在水平方向上的频率分量，为图像在垂直方向上的频率分量；采用Gabor滤波器对频域转换图的高频部分以及低频部分分别进行纹理信息分析，得到高频部分的纹理信息和低频部分的纹理信息，其中计算公式如下： 其中，表示纹理信息，为区域的采样点数，为区域均值，为第个频域的复数频率分量，为第个图像在水平方向上的频率分量，为第个图像在垂直方向上的频率分量；整合高频部分的频域角度分布和高频部分的纹理信息为高频纹理细粒度，并整合低频部分的频域角度分布和低频部分的纹理信息为低频纹理细粒度；步骤S23：对频域转换图的高频部分以及低频部分分别进行细粒度纹理分析，得到高频纹理细粒度和低频纹理细粒度；步骤S24：基于高频部分的细粒度纹理数据和低频部分的细粒度纹理数据进行差异值计算，并通过计算得到的差异值筛选出关键兴趣区域的纹理特征差异点作为第一分类特征点；步骤S4：利用局部对比度差异数据和全局对比度差异数据设计自适应图像增强函数，并根据自适应图像增强函数对每张图像的关键兴趣区域进行图像特征强化，生成强化特征后的关键兴趣区域；步骤S5：基于第一分类特征点分析强化特征后的关键兴趣区域的纹理褶皱密度，并将计算的关键兴趣区域的纹理褶皱密度作为第二分类特征点；步骤S6：通过第一分类特征点和第二分类特征点对待分类医疗图像数据集中的图像进行图像分类，从而得到X光医疗图像和CT医疗图像的分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳开远科技有限公司，其通讯地址为：518000 广东省深圳市福田区福保街道福保社区市花路8号和合仓储大厦仓储区三层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。