申请/专利权人:中国科学院苏州生物医学工程技术研究所;丽水市中心医院
申请日:2023-12-04
公开(公告)日:2024-03-26
公开(公告)号:CN117765301A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06V10/54;G06N3/0464;G06N3/042;G06N3/0499;G06V10/44
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明提供基于知识引导的肺部病理细胞多分类方法、设备及介质,该方法包括以下步骤:将肺部病理细胞图像作为输入被同时送入双分支分类网络的两个分支中;其中,双分支分类网络的两个分支为图卷积空间拓扑信息分支和纹理卷积特征分支;将两个分支生成的特征向量进行拼接;通过多层感知机根据拼接后的特征向量生成最终的分类结果。本发明在保留神经网络自动提取特征的基础上,将临床诊断的先验知识引入网络结构中辅助分类,能够提升分类的准确性;并且能够简化前处理过程并将特征的筛选由神经网络自发的完成,不仅能够提升分类网络效率,也有助于提升分类的准确率,即实现了在简化前处理过程的同时提升了肺部病理细胞分类的准确性。
主权项:1.一种基于知识引导的肺部病理细胞多分类方法,其特征在于,包括以下步骤:将肺部病理细胞图像作为输入被同时送入双分支分类网络的两个分支中;其中,双分支分类网络的两个分支为图卷积空间拓扑信息分支和纹理卷积特征分支,所述图卷积空间拓扑信息分支用于利用细胞间的关系作出分类引导,所述纹理卷积特征分支用于由浅层的图像纹理特征作为细胞形状与边缘的信息引导分类;将两个分支生成的特征向量进行拼接;通过多层感知机根据拼接后的特征向量生成最终的分类结果。
全文数据:
权利要求:
百度查询: 中国科学院苏州生物医学工程技术研究所;丽水市中心医院 基于知识引导的肺部病理细胞多分类方法、设备及介质
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。