申请/专利权人：江苏运动健康研究院

申请日：2023-12-19

公开（公告）日：2024-03-19

公开（公告）号：CN117726869A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/74;G06V10/56;G06T7/00;G06T7/194;G06T7/11;G06T7/136

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明涉及一种基于图像分类的食管癌IPCL分型识别方法及系统，所述方法包括：获取食管癌图像，对食管癌图像进行预处理：根据食管癌图像的颜色特征值，提取出血管图像；提取血管图像的扭曲特征值，其用于评估血管的扭曲程度；提取血管图像的直径特征值，其用于评估血管的直径；提取血管图像的发散度特征值，其用于评估血管的边缘强度；根据提取的特征值，基于LW‑KNN算法，计算血管图像与预设的示例图像的相似度，基于相似度结果，得出血管图像的类别。本发明能对食管癌医学图像进行自动分类，不仅能划分出AB型，还能对B型进一步细分，提高了分类结果的准确性和分类效率。

主权项：1.一种基于图像分类的食管癌IPCL分型识别方法，其特征在于，包括：获取食管癌图像，对食管癌图像进行预处理：根据食管癌图像的颜色特征值，提取出血管图像；提取血管图像的扭曲特征值，其用于评估血管的扭曲程度；提取血管图像的直径特征值，其用于评估血管的直径；提取血管图像的发散度特征值，其用于评估血管的边缘强度；根据提取的特征值，基于LW-KNN算法，计算血管图像与预设的示例图像的相似度，基于相似度结果，得出血管图像的类别；所述预设的示例图像包括XA,XB1,XB2,XB3四种类别，在LW-KNN算法的分类阶段，先以XA作为示例图像，设置三种特征值在相似度计算过程中的权重，计算获得待分类图像Y的预测类别，判断预测类别是否与XA的类别属性相同，若相同则判定其为IPCLA型，否则判定为IPCLB型；对于属于IPCLB类的待分类目标图像Y，再将XB1,XB2,XB3分别替换为示例图像，重新设置三个特征值在相似度计算过程中的权重，再次计算获得待分类图像Y的预测类别，将预测类别依次与XB1,XB2,XB3的类别属性进行比对，进一步将待分类目标图像Y分为IPCLB1型、IPCLB2型或IPCLB3型。

全文数据：

权利要求：

百度查询： 江苏运动健康研究院 基于图像分类的食管癌IPCL分型识别方法及系统

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