申请/专利权人：皖南医学院

申请日：2024-02-19

公开（公告）日：2024-04-12

公开（公告）号：CN117876789A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/30;G06V10/44;G06V10/82;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于改进DenseNet的COVID‑19CT图像分类方法，包括收集COVID‑19CT图像，并对所述COVID‑19CT图像进行预处理；通过Canny算法强调所述COVID‑19CT图像中的边缘信息，对所述COVID‑19CT图像的数据进行增强处理，得到所述COVID‑19CT图像的特征边缘图；将增强处理后的特征边缘图与原始的所述COVID‑19CT图像进行通道级联合，采用基于改进DenseNet架构的CNN模型提取经过通道级联合后的图像区域特征，并按照所述图像区域特征对所述COVID‑19CT图像进行分类；本发明应用Canny边缘检测法生成样本图像的边缘特征图，通过将边缘特征图与原始样本通道级联合来强调边缘细节，并在传统的DenseBlock上集成SECA模块，从而增强了在捕捉和表示CT图像中的关键特征方面的能力，提高了对肺部CT图像分类的准确性和效率。

主权项：1.一种基于改进DenseNet的COVID-19CT图像分类方法，其特征在于，包括以下步骤：步骤100、收集COVID-19CT图像，并对所述COVID-19CT图像进行预处理；步骤200、通过Canny算法强调所述COVID-19CT图像中的边缘信息，对所述COVID-19CT图像的数据进行增强处理，得到所述COVID-19CT图像的特征边缘图；步骤300、将增强处理后的特征边缘图与原始的所述COVID-19CT图像进行通道级联合，引入SECA模块至DenseNet架构内，基于改进DenseNet架构的CNN模型提取经过通道级联合后的图像区域特征，并按照所述图像区域特征对所述COVID-19CT图像进行分类。

全文数据：

权利要求：

百度查询： 皖南医学院 一种基于改进DenseNet的COVID-19 CT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。

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