申请/专利权人：西南石油大学

申请日：2023-09-04

公开（公告）日：2023-12-01

公开（公告）号：CN117152520A

主分类号：G06V10/764

分类号：G06V10/764;G06T7/00;G06V10/774;G06V10/42;G06V10/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本发明公开了一种基于DenseNet和条件随机场的乳腺病理图像分类方法，包括以下步骤：首先从数字病理扫描仪中获取乳腺病理全切片图像，根据医生的经验在数据上标记病灶区域；采用阈值分割算法和形态学算法去除不含乳腺组织的区域；利用全切片病理图像和人工标注的病灶区域标签，生成乳腺癌病理图像块，制作训练集和验证集；随后构建多尺度特征提取模块和条件随机场分类模块，建立基于DenseNet和条件随机场为基础架构的多尺度图像分类模型；利用不同尺度的图像训练网络模型，通过条件随机场得到概率分布，预测分类结果；最后测试未标注的乳腺病理全切片图像，生成乳腺癌病灶位置，实现乳腺癌区域的自动检测。

主权项：1.一种基于DenseNet和条件随机场的多尺度乳腺病理图像分类方法，其特征在于，包括如下步骤：S1，获取乳腺组织原始图片，根据医生的经验在数据上标记病灶区域；S2，采用阈值分割算法和形态学算法去除不含乳腺组织的区域，利用全切片病理图像和人工标注的病灶区域标签，生成乳腺癌病理图像块，制作训练集和验证集；S3，构建以DenseNet和条件随机场为基础架构的多尺度图像分类模型，使用训练集对所述模型进行训练，再利用验证集对训练的模型进行参数调优；S4，将未标注的乳腺病理全切片图像作为测试集，预测测试集病理图像块的良恶性，生成乳腺癌病灶区域概率热图，实现乳腺癌区域的自动检测。

全文数据：

权利要求：

百度查询： 西南石油大学 一种基于DenseNet和条件随机场的乳腺病理图像分类方法

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