申请/专利权人:重庆邮电大学
申请日:2023-12-01
公开(公告)日:2024-03-22
公开(公告)号:CN117746104A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06V10/774;G06V10/40;G06V10/80;G06T7/00;G06N3/045;G06N3/0442;G06N3/0464;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明的属于图像处理技术领域,具体涉及一种基于残差机制长短期记忆网络的缺陷医学图像分类方法,包括:获取待分类的缺陷医学图像,将缺陷医学图像输入到ResNet网络中进行特征提取,得到不同尺度的初始特征图;将不同尺度的初始特征图输入到双向LSTM网络中进行特征融合,得到聚合后的特征;将聚合后的特征输入到分类层中,得到分类结果;本发明采用采用了ResNet和双向LSTM网络来处理合并不同分期增强CT所涉及的复杂性。
主权项:1.一种基于残差机制长短期记忆网络的缺陷医学图像分类方法,其特征在于,包括:获取待分类的缺陷医学图像,将缺陷医学图像输入到训练后的ResNet-LSTM网络中,得到分类结果;对ResNet-LSTM网络进行训练包括:S1、获取原始数据集,其中原始数据集中的数据为具有缺陷的用户肝癌增强CT图像,肝癌增强CT图像包括平扫期图像、动脉期图像、门静脉期图像和延迟期图像;S2、采用三次插值对每个分期图像进行缩放,得到训练集;S3、将训练集中的图像输入到ResNet网络中进行特征提取,得到不同尺度的初始特征图;S4、将不同尺度的初始特征图输入到双向LSTM网络中进行特征融合,得到聚合后的特征;S5、将聚合后的特征输入到分类层中,得到分类结果;S6、根据分类结果计算模型的损失函数,调整模型的损失函数,当损失函数收敛时完成模型的训练。
全文数据:
权利要求:
百度查询: 重庆邮电大学 基于残差机制长短期记忆网络的缺陷医学图像分类方法
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。