[发明专利]面向深度学习模型训练和学习的病理图像数据增强方法在审
| 申请号： | 201811373454.8 | 申请日： | 2018-11-19 |
| 公开（公告）号： | CN109544529A | 公开（公告）日： | 2019-03-29 |
| 发明（设计）人： | 谢嘉伟;徐军;蔡程飞;赵增瑞 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/90;G06K9/62 |
| 代理公司： | 南京钟山专利代理有限公司 32252 | 代理人： | 戴朝荣 |
| 地址： | 211500 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明是面向深度学习模型训练和学习的病理图像数据增强方法，包括基于颜色变化对已有的病理图像进行数据扩充；对已有的病理图像进行单一图像变化处理；对已有的病理图像进行两种或两种以上的图像变化处理；对已有的病理图像进行HE染色分离；得到扩充数据，形成训练集；将训练集送入深度学习网络中进行训练，并与原始的数据集训练数据进行对比，能有效提升网络模型的性能。能够解决深度学习数据集不平衡以及数据量不足的难题，使得模型能够提供获得更好的预测能力辅助医生诊断，进一步提高医生的诊断精确度并提高工作效率。 | ||
| 搜索关键词： | 病理图像 模型训练 数据增强 训练集 学习 变化处理 单一图像 辅助医生 工作效率 数据扩充 图像变化 网络模型 学习数据 训练数据 颜色变化 预测能力 诊断 数据集 数据量 送入 医生 网络 | ||
【主权项】：
1.面向深度学习模型训练和学习的病理图像数据增强方法，其特征在于：包括对已有数据进行扩充，构建训练集，并将扩充完毕后的训练数据集送入深度学习网络中进行训练，具体步骤如下：步骤1，获得病理图像，确定病理图像类型，确定病理图像的来源数据；步骤2，基于颜色变化对已有的病理图像进行数据扩充；步骤3，对已有的病理图像进行单一图像变化处理，得到扩充数据；步骤4，对已有的病理图像进行两种或两种以上的图像变化处理，得到扩充数据；步骤5，对已有的病理图像进行HE染色分离，得到扩充数据；步骤6，将步骤2、3、4、5中得到的扩充数据组合形成训练集，将训练集送入深度学习网络中进行训练，并于原始的数据集训练数据进行对比。
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南京信息工程大学，未经南京信息工程大学许可，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/201811373454.8/，转载请声明来源钻瓜专利网。
