[发明专利]用于甲状腺肿瘤细胞学涂片图像分类的网络构建方法及系统有效
| 申请号： | 201810318298.9 | 申请日： | 2018-04-10 |
| 公开（公告）号： | CN108564026B | 公开（公告）日： | 2021-11-02 |
| 发明（设计）人： | 向俊;卢宏涛;官青;王蕴珺;平波;万晓春;李端树;杜佳俊;秦宇 | 申请（专利权）人： | 复旦大学附属肿瘤医院;上海交通大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 上海容慧专利代理事务所(普通合伙) 31287 | 代理人： | 于晓菁 |
| 地址： | 200032 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于甲状腺肿瘤细胞学涂片图像分类的网络构建方法及系统，该系统利用强化学习方法寻找最适合甲状腺肿瘤细胞学涂片图像分类的现有卷积神经网络，所述强化学习方法的具体流程为：首先，用循环神经网络生成一个卷积神经网络；接着，用甲状腺肿瘤细胞学涂片图像训练集训练该卷积神经网络；然后，用甲状腺肿瘤细胞学涂片图像验证集验证经训练后的该卷积神经网络的准确率，设定一个准确率阈值，判断其准确率是否高于阈值；最后将准确率最高的卷积神经网络作为初步卷积神经网络进行再训练，从而达到构建高准确率卷积神经网络用于辅助医生对甲状腺肿瘤进行诊断，提高了诊断准确率的目的。 | ||
| 搜索关键词： | 用于 甲状腺 肿瘤 细胞学 涂片 图像 分类 网络 构建 方法 系统 | ||
【主权项】：
1.一种用于甲状腺肿瘤细胞学涂片图像分类的卷积神经网络的构建方法，其特征在于，包括：获得若干一定尺寸的甲状腺肿瘤细胞学涂片图像；从甲状腺肿瘤细胞学涂片图像中截取有辨别力的区域进行良恶性标注；将经良恶性标注的甲状腺肿瘤细胞学涂片图像作为训练集，并进行数据扩增；生成初步卷积神经网络；用扩增后的训练集训练初步卷积神经网络，优化其参数，使其可判断甲状腺肿瘤细胞学涂片图像中细胞的良恶性，从而形成成熟卷积神经网络。
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复旦大学附属肿瘤医院;上海交通大学，未经复旦大学附属肿瘤医院;上海交通大学许可，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/201810318298.9/，转载请声明来源钻瓜专利网。
