一种基于迁移学习与特征融合的超声甲状腺结节良恶性分类系统

发明专利有效专利

申请号：
CN201611105583.X
IPC分类号：G06T7/00;G06K9/46;G06K9/62;G06N3/08
申请日期：
2016-12-05
申请人：
清华大学;中国医学科学院肿瘤医院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于迁移学习与特征融合的超声甲状腺结节良恶性分类系统
申请号	CN201611105583.X	申请日期	2016-12-05
法律状态	授权	申报国家	暂无
公开/公告日	2017-05-31	公开/公告号	CN106780448A
优先权	暂无	优先权号	暂无
主分类号	G06T7/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕	IPC分类号	G;0;6;T;7;/;0;0;;;G;0;6;K;9;/;4;6;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;8查看分类表>
申请人	清华大学;中国医学科学院肿瘤医院	申请人地址	北京市海淀区信箱82分箱清华大学专利办公室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	清华大学,中国医学科学院肿瘤医院	当前权利人	清华大学,中国医学科学院肿瘤医院
发明人	刘天娇;孙卫东;牛丽娟
代理机构	西安智大知识产权代理事务所	代理人	段俊涛

摘要

一种基于迁移学习与特征融合的超声甲状腺结节良恶性分类方法，首先将超声图像进行预处理并缩放为统一尺寸，然后对超声图像提取传统底层特征，再通过迁移学习的方法，把自然图像中经深度神经网络训练得到的模型用于提取超声图像的高层语义特征，其后，将底层特征与高层特征融合，利用良恶性甲状腺结节的区分度进行特征筛选得到最终的特征向量，用于训练支持向量机分类器，进行最终的甲状腺结节良恶性分类；本发明将底层特征和高层特征相融合、并进行显著性特征筛选，弥补了单一特征在语义层次上对甲状腺结节特性描述能力的不足，有效提高了分类精度；通过引入迁移学习，解决了医学样本图像少、无法直接训练获取深度特征的问题。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供