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：浙江工业大学
摘要：一种基于双阶段特征融合网络的乳腺组织病理图像分类方法，利用注意力机制为每个图像块生成一个注意力分数，然后选择得分较高的前β％显著实例形成新的包，再将其随机分成n个组，每个组作为一个独立的子包；采用特征选择策略，选取每个子包的特征并将其融合成包级别特征，最后通过包分类器实现病理图像的分类；两阶段特征融合网络利用自监督对比学习来训练多尺度特征，从而生成强大的图像块表征，为了获取这些特征，网络采用了多尺度特征融合技术，可有效整合不同尺度下的图像信息，以提供更全面和更精细的组织特征描述。本发明提高模型的鲁棒性和辨别能力；有效应对了乳腺组织病理图像分类任务中准确率低下的挑战。
主权项：1.一种基于双阶段特征融合网络的乳腺组织病理图像分类方法，其特征在于，所述方法包括以下步骤：步骤1：使用Otsu阈值算法对乳腺组织病理图像进行阈值分割，基于图像自动选择初始化阈值，将图像分为前景和背景；步骤2：采用分块技术将乳腺组织病理图像在20倍和10倍放大倍率下分别进行处理，将其划分为一系列图像块；步骤3：对步骤2中获得的图像块分别采用中值滤波技术进行平滑处理，降低了病理图像制备过程中可能引入的噪声和图像模糊；步骤4：设计特征融合模块，该模块将相同位置但不同放大倍率下的乳腺组织病理图像块特征进行拼接；步骤5：应用自监督对比学习算法，并通过步骤4融合多尺度特征向量以进行训练，旨在提取出更具区分性的特征表示，同时增强特征提取器的泛化能力；训练达到收敛后，保留最佳的模型权重，以便用于后续的分析任务；步骤6：使用步骤5预训练的特征提取器提取不同放大倍率的图像块特征，随后通过步骤4的特征融合模块融合这些特征；步骤7：对融合后的特征应用注意力机制，计算每个实例的注意力分数，并选取分数最高的前β％显著实例形成新的包，然后将这些显著实例随机分成n个组，每组作为一个独立的子包；步骤8：选取每个子包的实例特征并将其拼接，得到最终的包级别特征；步骤9：将步骤8得到的包级别特征输入到包分类器中进行判别，得到最终的乳腺组织病理图像是否癌变的二分类结果。
全文数据：
权利要求：
百度查询： 浙江工业大学 基于双阶段特征融合网络的乳腺组织病理图像分类方法
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