龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江大学
摘要：本发明公开了一种面向医学图像分类的无源域自适应方法及系统、电子设备，包括：在源域医学图像上，先监督训练含编码器与分类器的模型；接着，该模型处理无标签目标域图像，提取特征并预测类别概率。利用预测概率优化高斯混合模型，按模型分布将目标图像分类为类源域与目标特定类。基于类源域特征，定义类中心。通过图像增强获取新样本，与原图一同输入模型，提取特征并预测。结合预测概率与特征计算损失，迭代优化直至收敛。最后，用微调后的模型预测目标域图像，输出分类结果。本申请采用无源域自适应策略，避免了跨中心的数据隐私和数据安全的问题。
主权项：1.一种面向医学图像分类的无源域自适应方法，其特征在于，包括：在源域医学图像数据上使用医学图像分类模型进行监督训练，从而初始化目标域上医学图像分类模型，所述医学图像分类模型由编码器和分类器组成；将无标签的目标域医学图像数据输入所述编码器进行特征抽取，再将抽取的特征输入所述分类器，得到分类概率；将所述分类概率作为高斯混合模型的输入以优化拟合高斯混合模型，并利用目标域医学图像数据在优化拟合后的高斯混合模型中的第一个分布的值来将所述目标域医学图像数据划分为类源域类和目标域特定类；根据所述类源域类的特征，生成每个类的类中心；将目标域医学图像进行增强获得增强图像，再将原始图像和增强图像输入到编码器中进行特征抽取，得到原始图像特征和增强图像特征；将所述原始图像特征和增强图像特征输入分类器中得到预测分类概率，利用所述医学图像数据的预测分类概率和中间特征计算各项损失，得到总损失；利用最小化总损失对医学图像分类模型进行微调训练，直至总损失达到预设收敛条件，停止训练；利用微调训练后的所述医学图像分类模型对目标域医学图像数据进行预测，得到最终分类结果。
全文数据：
权利要求：
百度查询： 浙江大学 面向医学图像分类的无源域自适应方法及系统、电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号