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：哈尔滨理工大学
摘要：基于残差注意力区分融合网络的乳腺病理图像分类网络、分类方法、计算机设备和存储介质，属于图像处理技术领域，解决乳腺组织病理图像特征信息表现不明显，乳腺癌细胞与正常细胞组织形态相似，使得网络无法有效识别乳腺病理图像良恶性各类别，各类别区分不明显的问题。本发明的网络：首先使用SE残差融合模块增强通道重要特征，抑制一些无关特征。其次通过双路残差注意力强化模块进一步增强通道和空间重要特征，降低重要特征的损失程度，增加残差结构通道数用于增加每个通道处理的特征信息。最后将类别区分模块分别添加再四个残差结构后面，得到不同层次病理特征，对特征信息进行融合，区分各类别。本发明适用于乳腺病理图像分类。
主权项：1.一种基于残差注意力区分融合网络的乳腺病理图像分类网络，所述乳腺病理图像分类网络以ResNet50为主干网络架构，还包括SE残差融合模块、双路残差注意力强化模块、残差结构通道数和类别区分模块。所述ResNet50对图像进行卷积操作，提取浅层特征；所述SE残差融合模块包括SE模块和残差模块，用于加强乳腺组织病理图像重要通道特征和抑制无关特征；所述的SE模块用于加强捷径连接处的重要通道特征，抑制无关特征；所述的残差模块用于提取深层次特征；所述双路残差注意力强化模块包括残差通道强化模块和残差空间强化模块，用于加强乳腺组织病理图像的通道和空间特征，降低重要特征的损失程度；所述的残差通道强化模块包括平均池化，三层卷积层及残差结构；所述残差通道强化模块用于加强通道重要特征，降低重要特征损失程度；所述的残差空间强化模块包括最大池化，两层卷积层及残差结构；所述残差空间强化模块用于加强空间重要特征，降低重要特征损失程度；所述残差结构通道数用于增加每个通道处理的特征信息；所述类别区分模块用于融合不同层次特征，区分各类别；对所述的乳腺病理图像分类网络进行训练，获取所述分类网络的损失函数；根据所述的损失函数，进行预设迭代次数的训练，获取最优的残差注意力区分融合网络模型。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 基于残差注意力区分融合网络的乳腺病理图像分类网络、分类方法、计算机设备和存储介质
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