[发明专利]一种基于预处理模型的小样本医学图像分类方法在审
| 申请号： | 201910302762.X | 申请日： | 2019-04-16 |
| 公开（公告）号： | CN110188789A | 公开（公告）日： | 2019-08-30 |
| 发明（设计）人： | 管秋;陈柽霞;袁梦依;胡海根;陈峰;谢琪;周乾伟;倪一成 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F16/55 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于预处理模型的小样本医学图像分类方法，包括如下步骤：1)构建预处理模型，过程如下：(1.1)选取预处理模型数据集；(1.2)构建深度学习网络；(1.3)对于选取的数据集进行图像预处理；(1.4)在深度学习网络中加入Dropout策略，并将概率设置为p；(1.5)将训练后的模型保存为M1；2)对小样本医学图像数据进行处理；3)导入M1模型；4)将M1模型中的Dropout策略改为P；5)将小样本医学图像在M1下进行训练；6)得出分类结果。本发明提供了一种测试集效果好，模型泛化能力强的小样本医学图像分类方法。 | ||
| 搜索关键词： | 小样本 预处理模型 医学图像 数据集 构建 分类 医学图像数据 图像预处理 分类结果 概率设置 模型保存 测试集 能力强 网络 学习 | ||
【主权项】：
1.一种基于预处理模型的小样本医学图像分类方法，其特征在于，所述方法包括如下步骤：1)构建预处理模型，过程如下：(1.1)选取预处理模型数据集；(1.2)构建深度学习网络；(1.3)对于选取的数据集进行图像预处理；(1.4)在深度学习网络中加入Dropout策略，并将概率设置为p；(1.5)将训练后的模型保存为M1；2)对小样本医学图像数据进行处理；3)导入M1模型；4)将M1模型中的Dropout策略改为P；5)将小样本医学图像在M1下进行训练；6)得出分类结果。
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浙江工业大学，未经浙江工业大学许可，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/201910302762.X/，转载请声明来源钻瓜专利网。
