[发明专利]一种基于迁移学习的血管图像中特征点的分类识别方法有效
| 申请号： | 201810372015.9 | 申请日： | 2018-04-24 |
| 公开（公告）号： | CN108764286B | 公开（公告）日： | 2022-04-19 |
| 发明（设计）人： | 秦臻;魏婉婉;秦志光;丁熠;周尔强;邓伏虎;赵洋 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/774;G06K9/62 |
| 代理公司： | 成都行之专利代理事务所(普通合伙) 51220 | 代理人： | 温利平 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 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迁移学习的血管图像中特征点的分类识别方法，包括血管图像模拟训练和血管图像类型识别两部分；在血管图像模拟训练中通过制作特征点数据集，并利用特征点数据集对深度学习模型进行训练，获得基于迁移学习的血管图像中特征点的分类模型，在血管图像类型识别中提取血管图像的特征点，将提取的特征点输入到血管图像模拟训练中得到的基于迁移学习的血管图像中特征点的分类模型，获得血管图像中特征点的的类型。本发明利用分类模型能准确快速的识别血管图像中特征点是分叉点还是交叉点，解决了现有方法存在的步骤繁杂、准确性和效率低的问题，对临床医学有莫大的帮助作用。 | ||
| 搜索关键词： | 一种 基于 迁移 学习 血管 图像 特征 分类 识别 方法 | ||
【主权项】：
1.一种基于迁移学习的血管图像中特征点的分类识别方法，其特征在于，包括血管图像的模型训练和血管图像中特征点的类型识别两部分，具体为：血管图像的模型训练：(1)提取血管图像的特征点，并制作特征点数据集，所述特征点数据集包括分叉点数据集和交叉点数据集；(2)基于迁移学习，利用所述特征点数据集对深度学习模型进行训练，获得基于迁移学习的血管图像中特征点的分类模型；血管图像中特征点的类型识别：(3)提取血管图像的特征点，将提取的特征点输入到血管图像模型训练中得到的基于迁移学习的血管图像中特征点的分类模型，获得血管图像中特征点的类型。
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电子科技大学，未经电子科技大学许可，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/201810372015.9/，转载请声明来源钻瓜专利网。
