[发明专利]基于DenseNet-II神经网络模型的乳腺X射线图像的良恶性分类方法在审
| 申请号： | 201910400289.9 | 申请日： | 2019-05-15 |
| 公开（公告）号： | CN110210528A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 李化;庄莎莎;李强;李延涛;牛婧 | 申请（专利权）人： | 太原理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/36;G06N3/04;G06N3/08 |
| 代理公司： | 太原晋科知识产权代理事务所(特殊普通合伙) 14110 | 代理人： | 任林芳 |
| 地址： | 030024 *** | 国省代码： | 山西;14 |
| 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DenseNet‑II神经网络模型的乳腺X射线图像的良恶性分类方法，提出了一种改进的神经网络模型，称为DenseNet‑II神经网络模型。首先通过对图像进行预处理，去除无用的信息；其次，改进了DenseNet神经网络模型，提高了网络模型的计算速度和效率；最后通10折交叉检验过程进行五种网络模型分类效果验证，然利用Adam算法优化交叉熵代价函数，使模型更优。通过本发明，不仅能够提高乳腺X射线图像良恶性分类性能，还能为医生提供更加客观、准确的诊断结果，因而具有重要的临床应用价值和研究意义。 | ||
| 搜索关键词： | 神经网络模型 乳腺 网络模型 预处理 代价函数 分类效果 分类性能 临床应用 算法优化 诊断结果 交叉熵 分类 去除 改进 验证 图像 医生 检验 研究 | ||
【主权项】：
1.一种基于DenseNet‑II神经网络模型的乳腺X射线图像的良恶性分类方法，其特征在于，包括：获取已标记的乳腺X射线图像，并其进行图像预处理；基于DenseNet神经网络模型，构建改进后的DenseNet‑II神经网络模型；其中，对DenseNet神经网络模型的改进在于：将DenseNet神经网络模型中第一个卷积层替换为Inception结构；将预处理后的乳腺X射线图像输入到改进后的模型中，通过10‑fold交叉检验的训练策略，对DenseNet‑II神经网络模型进行训练，验证和测试；利用Adam算法优化交叉熵代价函数，使DenseNet‑II神经网络模型模型更优，提高乳腺X射线图像良恶性的准确分类。
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太原理工大学，未经太原理工大学许可，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/201910400289.9/，转载请声明来源钻瓜专利网。
