申请/专利权人:江苏科技大学
申请日:2023-12-28
公开(公告)日:2024-04-19
公开(公告)号:CN117909528A
主分类号:G06F16/535
分类号:G06F16/535;G06N3/0464;G06N3/08;G06V10/80;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种基于多尺度特征融合和深度哈希的医学图像检索方法,包括步骤:S1、收集和准备医学图像数据集。S2、使用深度卷积神经网络模型对图像进行多尺度特征提取。S3、将提取到的多尺度特征进行融合。S4、构建和训练深度哈希网络。S5、将测试集与训练集图像分别输入到训练好的哈希网络中进行学习,生成二进制哈希编码。S6、计算相似度,返回与查询图像最相似的图像作为检索结果。本发明通过多尺度特征融合使模型捕捉到不同尺度的特征信息,提高了对医学图像的理解能力。通过使用深度哈希算法将高维特征映射为低维的二进制编码,使得相似的图像在空间中的距离较近,降低了存储开销,节省了存储资源。
主权项:1.一种基于多尺度特征融合和深度哈希的医学图像检索方法,其特征在于,包括以下步骤:S1、收集和准备医学图像数据集;S2、使用深度卷积神经网络模型对图像进行多尺度特征提取;S3、将提取到的多尺度特征进行融合;S4、构建和训练深度哈希网络;S5、将测试集与训练集图像分别输入到训练好的哈希网络中进行学习,生成二进制哈希编码;S6、计算相似度,返回与查询图像最相似的图像作为检索结果。
全文数据:
权利要求:
百度查询: 江苏科技大学 一种基于多尺度特征融合和深度哈希的医学图像检索方法
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。