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：重庆大学
摘要：本发明涉及图像分类技术领域，具体公开了一种基于联合流形对齐重构的组织病理图像分类方法及系统，其基于ImageNet自然数据集预训练的深度迁移模型BreNet的多层特征提取融合，其融合特征子领域的流形空间映射分布和聚类中心联合对齐，其基于流形重构特征的图像分类。该系统及方法通过特征提取融合模块抽取多阶特征并进行全局池化融合，获得深度融合特征。然后将该特征输入联合流形对齐重构模块，将特征投影到流形公共子空间，并通过子领域分布对齐和聚类中心对齐以最小化跨域的子领域分布差异，达到域适应的目的；同时特征被投射到了低维空间以消除信息冗余，保留对分类有效的关键信息，进一步提高分类准确率。
主权项：1.基于联合流形对齐重构的组织病理图像分类方法，其特征在于，包括步骤：S1、构建源域数据集和目标域数据集，其中源域数据集包括多个具有标签的源域组织病理学图像样本即源域样本，目标域数据集包括多个不具有标签的目标域组织病理学图像样本即目标域样本；S2、为不具有标签的目标域样本生成伪标签得到具有标签的目标域样本，并将源域和目标域的样本按照标签划分为多个源域子领域数据集和多个目标域子领域数据集；S3、构建图像分类模型，所述图像分类模型包括特征提取融合模块、联合流形对齐重构模块和分类器；所述特征提取融合模块用于提取输入样本的多层次融合特征；所述联合流形对齐重构模块的操作为，首先将多层次融合特征映射到流形公共子空间，然后在该流形公共子空间内，联合源域和目标域相似子领域分布对齐和子领域聚类中心的域间对齐，在最小化相同类别分布差异的同时完成全局分布的匹配，从而将有标签的源域数据信息有效地迁移到无标签的目标域数据，并消除多阶特征之间的信息冗余，最终得到用于跨域分类预测的低维重构特征；所述分类器用于根据每个样本的低维重构特征输出对应的分类预测结果；S4、将多个源域子领域数据集和多个目标域子领域数据集划分出训练集和测试集，并采用所述训练集对所述图像分类模型进行训练，采用所述测试集对训练后的所述图像分类模型进行测试；S5、使用训练后的图像分类模型对输入的待分类目标域组织病理学图像进行分类，输出分类结果。
全文数据：
权利要求：
百度查询： 重庆大学 基于联合流形对齐重构的组织病理图像分类方法及系统
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