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！

摘要：本发明公开了一种基于人工智能的乳腺癌在线分类方法及系统，该方法包括如下步骤：通过云服务中心对中心医院的乳腺癌诊疗数据进行预处理；提取预处理后的中心医院的乳腺癌诊疗数据中的特征；构建分类模型并对分类模型进行训练；对训练好的分类模型的权重进行加密，并将加密后的训练好的分类模型传输到边缘服务器对待诊疗图像进行分类；本发明通过采用轻量级网络，并在轻量级网络中添加特征融合层来进行特征提取，提高了分类的准确性；通过采用标签模糊的方法来处理待诊疗图像，可动态调整待诊疗图像局部区域的分数权重，将与分类无关的区域与病例特征不明显的区域的关注度降低，与病变特征相关且明显的区域特征关注度提高。

主权项：1.一种基于人工智能的乳腺癌在线分类方法，其特征在于，包括如下步骤：步骤S1：获取不同中心医院的乳腺癌诊疗数据并传输到云服务中心；诊疗数据内包含诊疗图像以及诊疗图像的诊疗结果；步骤S2：通过云服务中心对中心医院的乳腺癌诊疗数据进行预处理；步骤S3：采用卷积神经网络提取预处理后的中心医院的乳腺癌诊疗数据中的特征；步骤S4：构建分类模型，采用步骤S3所提取的特征对分类模型进行训练，并通过云服务中心对训练好的分类模型的权重进行加密，得到最优分类模型，将最优分类模型传输到边缘服务器；所述分类模型由步骤S3中的卷积神经网络和轻量级网络EfficientNet-b4组成，并在轻量级网络EfficientNet-b4中添加特征融合层，设置轻量级网络EfficientNet-b4的最后一层连接层的输出数量；步骤S5：协作需求医院将诊疗图像上传到边缘服务器，对协作需求医院上传的诊疗图像进行标签模糊化，然后通过最优分类模型对标签模糊化后的诊疗图像进行分类；在轻量级网络EfficientNet-b4中添加特征融合层，其中，轻量级网络EfficientNet-b4中包括7个MBConv层，将前3个MBConv层提取的特征作为浅层特征，将后4个MBConv层提取的特征作为深层特征；首先，使用跳跃连接将浅层特征与深层特征进行融合，通过在轻量级网络EfficientNet-b4的不同层之间添加Add层进行特征加和，并通过UpSampling2D函数对深层特征进行上采样操作；其次，应用特征金字塔网络，在深层特征的基础上逐层向上融合浅层特征，通过Conv2D卷积函数对相邻两层之间的特征进行1×1卷积和3×3卷积，最后，将轻量级网络EfficientNet-b4最后的全连接层的输出改为3，并通过softmax函数进行输出；对协作需求医院上传的诊疗图像进行标签模糊化的具体过程为：采用模糊集合理论对协作需求医院上传的诊疗图像的分类标签进行模糊化处理，即引入模糊隶属度来表示每个分类标签的模糊程度；设待分类的诊疗图像即协作需求医院的诊疗图像为，的分类标签集合包含良性、恶性和健康三个分类标签，每个分类标签；定义一个模糊隶属度函数来表示属于的模糊程度，的取值范围在[0,1]之间，模糊隶属度函数表示为： ；式中，是评估对于的相关性的特征函数；和是调整模糊隶属度曲线的参数；表示自然对数；待分类的诊疗图像的模糊标签向量表示为： ；式中，表示区域模糊分数；表示第一个区域的模糊分数；表示第二个区域的模糊分数；表示第个区域的模糊分数；步骤S4的具体过程为：将不同中心医院乳腺癌诊疗数据的特征划分为训练集和测试集，采用训练集对分类模型进行训练，采用测试集对分类模型进行测试；在对分类模型训练过程中，采用预训练ImageNet模型预训练好的权重作为分类模型初始权重，表示为： ；式中，为分类模型的初始权重；表示预训练ImageNet模型预训练好的权重；表示梯度；表示乳腺癌诊疗数据；得到分类模型的初始权重后，使用RC4流密码将分类模型的初始权重进行加密，使用SHA-1算法计算加密后的hash值，计算完成后，将分类模型的初始权重上传至边缘服务器；边缘服务器接收到分类模型的初始权重后，进行校验，校验成功则通过分类模型的初始权重解密分类模型并加载，校验失败则重新请求下载分类模型的初始权重；步骤S5中加密后的训练好的分类模型对协作需求医院上传的诊疗图像进行分类的具体过程为：协作需求医院将患者的诊疗图像传输至边缘服务器中，边缘服务器中的分类模型对协作需求医院传输的患者诊疗图像进行分类，表示为： ；式中，表示第个协作需求医院的第个诊疗图像；表示边缘服务器中的分类模型对的预测结果；表示边缘服务器中的分类模型。

全文数据：

权利要求：

百度查询： 南昌大学第一附属医院 一种基于人工智能的乳腺癌在线分类方法及系统