[发明专利]基于深度学习的宫颈癌组织病理学图像分析方法及设备在审
| 申请号： | 201811212019.7 | 申请日： | 2018-10-18 |
| 公开（公告）号： | CN109376777A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 李晨;孔繁捷;蒋涛;许宁 | 申请（专利权）人： | 四川木牛流马智能科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06T7/00;G06T7/136 |
| 代理公司： | 成都九鼎天元知识产权代理有限公司 51214 | 代理人： | 钱成岑 |
| 地址： | 610000 四川省成都市高新区*** | 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深度学习的宫颈癌组织病理学图像分析方法及设备，该方法包括：获取宫颈癌组织病理学图像，并为每张图像设置图像标签；基于用于训练的图像分别对两个卷积神经网络进行训练，得到训练好的两个卷积神经网络；固定训练好的两个卷积神经网络的参数，基于用于训练的图像对全连接层一进行训练，得到训练好的全连接层一；将待测试的图像输入到训练好的分类器中，两个卷积神经网络分别从图像中提取出特征向量，将输出的特征向量f1和f2拼接在一起输入到全连接层一，输出特征向量f3，分类结果由特征向量f3中数值最大的元素决定。本发明能够自动地对医生采集的原始的组织病理切片显微图片的分化程度进行分类识别，辅助医生进行诊断。 | ||
| 搜索关键词： | 卷积神经网络 宫颈癌组织 特征向量 病理学 连接层 图像 图像分析 病理切片 分类结果 分类识别 辅助医生 输出特征 图像标签 图像设置 图像输入 显微图片 分类器 自动地 向量 拼接 采集 测试 分化 诊断 输出 学习 医生 | ||
【主权项】：
1.一种基于深度学习的宫颈癌组织病理学图像分析方法，其特征在于，包括：步骤一，获取宫颈癌组织病理学图像，并为每张图像设置图像标签；步骤二，基于用于训练的图像对分类器进行训练，得到训练好的分类器，所述分类器包括两个卷积神经网络和全连接层一，所述全连接层一的输入端连接所述两个卷积神经网络的输出端，对分类器进行训练的方法包括：基于用于训练的图像分别对两个卷积神经网络进行训练，得到训练好的两个卷积神经网络；固定训练好的两个卷积神经网络的参数，基于用于训练的图像对全连接层一进行训练，得到训练好的全连接层一；步骤三，将待测试的图像输入到训练好的分类器中，两个卷积神经网络分别从图像中提取出特征向量，将输出的特征向量f1和f2拼接在一起输入到全连接层一，输出特征向量f3，分类结果由特征向量f3中数值最大的元素决定。
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四川木牛流马智能科技有限公司，未经四川木牛流马智能科技有限公司许可，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/201811212019.7/，转载请声明来源钻瓜专利网。
- 上一篇：用于播放音乐的方法和装置
- 下一篇：一种复杂机电系统服役模式自动识别方法
