申请/专利权人：中国科学院自动化研究所

申请日：2021-03-12

公开（公告）日：2023-01-13

公开（公告）号：CN112990307B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.01.13#授权;2021.07.06#实质审查的生效;2021.06.18#公开

摘要：本发明属于生物医学分子影像以及人工智能领域，具体涉及一种基于网络架构搜索的多谱段脑胶质瘤图像分类系统，旨在解决现有脑胶质瘤图像分类手段无法准确、高效分类的问题。本发明系统包括：图像获取模块，配置为获取同一脑胶质瘤组织的白光图像、近红外一区图像、近红外二区图像；图像预处理模块，配置为对近红外一区图像和近红外二区图像进行降噪、非线性映射处理；处理后，对白光图像、近红外一区图像和近红外二区图像进行分辨率调整，并通过通道维度进行图像拼接，将拼接后的图像作为多谱段脑胶质瘤图像；分类模块，配置为通过预训练的图像分类模型获取多谱段脑胶质瘤图像的类别。本发明实现了脑胶质瘤图像准确、高效的分类。

主权项：1.一种基于网络架构搜索的多谱段脑胶质瘤图像分类系统，其特征在于，该系统包括：图像获取模块、图像预处理模块、分类模块；所述图像获取模块，配置为获取同一脑胶质瘤组织的白光图像、近红外一区图像、近红外二区图像；所述图像预处理模块，配置为对近红外一区图像和近红外二区图像进行降噪、非线性映射处理；处理后，对白光图像、近红外一区图像和近红外二区图像进行分辨率调整，并通过通道维度进行图像拼接，将拼接后的图像作为多谱段脑胶质瘤图像；所述分类模块，配置为通过预训练的图像分类模型获取所述多谱段脑胶质瘤图像的类别；其中，所述图像分类模型，其训练方法为：A10，获取同一脑胶质瘤组织的白光图像、近红外一区图像、近红外二区图像以及对应的类别真值标签，作为训练样本；A20，执行步骤S20的图像预处理方法对白光图像、近红外一区图像、近红外二区图像进行预处理，得到多谱段脑胶质瘤图像；A30，通过预构建的结构单元搜索网络获取所述多谱段脑胶质瘤图像的预测类别，并结合对应的类别真值标签，计算损失值，更新模型参数以及一般结构单元、下采样结构单元各节点之间的操作权重；A40，基于更新后的操作权重对一般结构单元、下采样结构单元中各节点间的边进行剪枝；并利用剪枝后的一般结构单元、下采样结构单元构建图像分类模型；A50，通过构建好的图像分类模型获取所述多谱段脑胶质瘤图像的预测类别，并结合对应的类别真值标签，计算损失值，更新模型参数；A60，循环执行步骤A50，直到得到训练好的图像分类模型；所述结构单元搜索网络包括卷积层、一般结构单元、下采样结构单元、全局平均池化层、全连接层；其中，所述一般结构单元、所述下采样结构单元均包含两个输入节点，四个中间节点以及一个输出节点；所述一般结构单元用于卷积处理。

全文数据：

权利要求：

百度查询： 中国科学院自动化研究所 基于网络架构搜索的多谱段脑胶质瘤图像分类系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD