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：中南大学
摘要：本发明公开了一种基于无监督元学习的小样本医学图像分类方法，包括以下步骤：获取医学图像数据；对医学图像数据进行采样，并对采样得到的样本进行数据增强，再进行图像处理，得到具有伪标签的训练数据集，将训练数据集分为训练集和验证集；基于原型网络基本框架，构建初始医学图像分类模型；采用训练集，对初始医学图像分类模型进行训练，得到训练集数据分类模型；采用验证集，对训练集数据分类模型进行调整，得到医学图像分类模型；使用医学图像分类模型，进行实际的医学图像分类。本发明方法不仅克服了医学图像数据量少且分布不均匀的问题，而且不需要对样本进行标记，相比现有方法具有成本低，分类正确率高的优点。
主权项：1.一种基于无监督元学习的小样本医学图像分类方法，其特征在于，包括以下步骤：S1.获取医学图像数据；S2.对步骤S1获得的医学图像数据进行采样，并对采样得到的样本进行数据增强，再进行图像处理，得到具有伪标签的训练数据集，将训练数据集分为训练集和验证集；S3.基于原型网络基本框架，构建初始医学图像分类模型；S4.采用步骤S2得到的训练集，对步骤S3得到的初始医学图像分类模型进行训练，得到训练集数据分类模型；S5.采用步骤S2得到的验证集，对步骤S4得到的训练集数据分类模型进行调整，得到医学图像分类模型；S6.使用步骤S5得到的医学图像分类模型，进行实际的医学图像分类。
全文数据：
权利要求：
百度查询： 中南大学 一种基于无监督元学习的小样本医学图像分类方法
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