申请/专利权人：北京航空航天大学

申请日：2021-08-20

公开（公告）日：2024-03-22

公开（公告）号：CN113706493B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/10;G06T7/90;G06T9/00;G06V10/764;G06V10/82;G06N3/045;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.12.14#实质审查的生效;2021.11.26#公开

摘要：本发明公开了一种基于DCT频率自适应选择的数字病理全切片分割方法，包括以下步骤：基于CNN‑based网络架构将训练样本中的所有全切片分别分割成若干个图像块，并对每个图像块进行JPEG解码操作，得到DCT编码；对DCT编码进行数据重排和频率自适应选择得到DCT压缩编码块；利用DCT压缩编码块对预先构建的CNN分类模型进行训练；基于训练好的CNN分类模型对待检测全切片中所有图像块的DCT压缩编码块进行分类预测，得到待检测全切片范围的预测结果图。本发明利用JPEG压缩图像解码过程的中间结果离散余弦DCT编码块，经过自适应的频率选择得到DCT压缩编码块代替原图像块进行网络的训练、预测，使输入数据量得到大幅度削减，使所需的分类模型的尺寸更小、推理速度更快。

主权项：1.一种基于DCT频率自适应选择的数字病理全切片分割方法，其特征在于，包括以下步骤：基于CNN-based网络架构将训练样本中的所有全切片分别分割成若干个图像块，并对每个图像块进行JPEG解码操作，得到DCT编码；对DCT编码进行数据重排和频率自适应选择得到DCT压缩编码块；利用DCT压缩编码块对预先构建的CNN分类模型进行训练；基于训练好的CNN分类模型对待检测全切片中所有图像块的DCT压缩编码块进行分类预测，得到待检测全切片范围的预测结果图；对DCT编码进行频率自适应选择，包括以下步骤：基于SENet通道注意力方法构建频率自适应选择模型；在对频率自适应选择模型的训练阶段，设置一个维度为1×192、固定值初始化的向量，并使该向量依次经过全连接层、Relu激活层和全连接层映射到隐空间的1×192维度连续值向量G；对1×192维度连续值向量G进行二值化处理，得到1×192维度的0-1值“阀门”G'；利用0-1值“阀门”G'控制该频率通道保留与否，其中0值代表舍弃该频率分量，1值代表保留该频率分量；将0-1值“阀门”G'与DCT频率块D'相作用，得到DCT压缩编码块F，DCT压缩编码块F的表达式如下： 其中，C为保留下的频率数量，压缩率为C192，由DCT压缩编码块F代替原图像块作为预先构建的CNN分类模型训练过程的输入数据；W、H分别表示原RGB格式图像块的高、宽，C为保留下的频率数量，T表示图像块。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于DCT频率自适应选择的数字病理全切片分割方法

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