申请/专利权人:福州大学
申请日:2024-01-26
公开(公告)日:2024-04-26
公开(公告)号:CN117934949A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/82;G06V10/42;G06V10/80;G06N3/0464;G06T7/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明涉及一种基于多输入轻量级卷积神经网络的乳腺癌红外热成像图分类方法。该方法提出了一种多输入的轻量级卷积神经网络,以提高乳腺癌早期的红外热成像图分类精度。此外,还提出了一种新的加权标签平滑正则化损失函数,以提高网络的泛化能力和分类精度。本发明所提出乳腺癌红外热成像图分类方法与现有方法相比,在性能上具有显著优势,同时模型规模更轻量级,尤其适用于资源受限的移动设备环境,具有巨大的应用潜力。
主权项:1.一种基于多输入轻量级卷积神经网络的乳腺癌红外热成像图分类方法,其特征在于,包括以下步骤:步骤S1、建立乳腺癌红外热成像图分类数据集;步骤S2、对数据集中图像进行预处理操作;步骤S3、构建多维度融合模块;步骤S4、构建三分支模块;步骤S5、构建三分支融合模块;步骤S6、搭建多输入轻量级卷积神经网络;步骤S7、设计辅助多输入轻量级卷积神经网络训练的加权标签平滑正则化损失函数WLSR;步骤S8、训练多输入轻量级卷积神经网络,并对多输入轻量级卷积神经网络进行性能测试。
全文数据:
权利要求:
百度查询: 福州大学 基于多输入轻量级卷积神经网络的乳腺癌红外热成像图分类方法
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。