申请/专利权人：长沙理工大学

申请日：2020-06-30

公开（公告）日：2024-04-02

公开（公告）号：CN111784669B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/82;G06N3/0464;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2020.11.03#实质审查的生效;2020.10.16#公开

摘要：本发明公开了一种胶囊内镜图像多病灶检测方法，涉及计算机图像处理领域，基于深度特征和人选特征融合与多分类器集成，包括如下步骤：图像预处理，构造颜色、纹理、以及形态的特征向量、采用卷积神经网络获取深度特征、特征融合、多分类器集成、病灶识别重复上述步骤直至所有胶囊内镜图像完成识别。本发明胶囊内镜图像多病灶检测方法，将有效降低临床医生的诊断负担，提高检测的准确性。

主权项：1.一种胶囊内镜图像多病灶检测方法，其特征在于，包括以下几个步骤：步骤一：图像预处理，对所述胶囊内镜图像进行预处理；步骤二：构建胶囊内镜图像样本库；步骤三：提取胶囊内镜图像特征向量；所述步骤三中提取的胶囊内镜图像特征向量包括颜色特征、纹理特征、形态特征；所述步骤三中提取胶囊内镜图像的颜色特征采用的方法包括1-3阶颜色矩；所述步骤三中提取胶囊内镜图像的纹理特征采用的方法包括局部二值模式；所述步骤三中提取胶囊内镜图像的形态特征采用的方法包括HLAC；步骤四：使用步骤二构建的样本库训练卷积神经网络；步骤五：使用步骤四中训练完成的卷积神经网络提取深度特征；步骤六：特征融合，将步骤三与步骤五中提取的特征向量采用多种特征融合方法进行融合；所述步骤六还包括进行降维，进行降维的方法包括主成分分析法，将降维到合适长度的两组向量进行融合的方法包括串联、典型相关分析以及多层感知机；步骤七：训练多个分类器，以步骤六融合的多种向量为输入，构建多个分类器并训练；步骤八：将步骤七中的多个分类器结果进行软投票集成，完成胶囊内镜图像识别；所述步骤八中的多个分类器结果的软投票集成方式为加权软投票融合方法；步骤九：重复上述步骤，直至所有胶囊内镜图像完成识别。

全文数据：

权利要求：

百度查询： 长沙理工大学 一种胶囊内镜图像多病灶检测方法

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