[发明专利]基于两次迁移卷积神经网络的乳腺结构紊乱识别方法在审
| 申请号： | 201710679767.5 | 申请日： | 2017-08-09 |
| 公开（公告）号： | CN107657602A | 公开（公告）日： | 2018-02-02 |
| 发明（设计）人： | 刘小明;翟蕾蕾;付天宇;胡威;刘俊;张凯 | 申请（专利权）人： | 武汉科技大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62 |
| 代理公司： | 杭州宇信知识产权代理事务所(普通合伙)33231 | 代理人： | 张宇娟 |
| 地址： | 430081 *** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于两次迁移卷积神经网络识别乳腺结构紊乱的方法。发明的方法将在ImageNet数据集上训练的模型参数迁移到目标卷积神经网络以对其模型参数进行初始化(第一次迁移)；然后使用恶性肿块图像和正常乳腺组织图像对目标卷积神经网络模型进行第一次微调训练(第二次迁移)；接下来使用训练集中已知类别信息的结构紊乱图像和正常乳腺组织图像进行第二次微调训练；最后，对未知类别信息的结构紊乱和正常组织进行识别。本方法实现了一种基于卷积神经网络和迁移学习进行识别的方法，与现有的方法相比，得到更好的分类效果和性能。 | ||
| 搜索关键词： | 基于 两次 迁移 卷积 神经网络 乳腺 结构 紊乱 识别 方法 | ||
【主权项】：
一种基于两次迁移卷积神经网络识别乳腺结构紊乱的方法，包含如下步骤：S1、数据增强，利用几何变换对训练集中已知类别标签的恶性肿块和结构紊乱样本进行增强；S2、第一次迁移学习,使用在ImageNet数据集上训练的模型参数对目标卷积神经网络进行初始化；S3、第二次迁移学习，使用恶性肿块图像和正常乳腺组织图像对目标卷积神经网络进行训练；S4、目标卷积神经网络进一步微调，此阶段使用训练集中已知类别标签的结构紊乱图像和正常乳腺组织图像在第二次迁移学习的基础上进一步训练；S5、结构紊乱识别，将待预测图像作为训练好的目标卷积神经网络模型的输入，其输出即为所需分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉科技大学，未经武汉科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710679767.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种桥梁用抗拉拔防落梁装置
- 下一篇：一种基于智能视觉的工业外观检测方法
