面向HCC病理图像识别的特征选择与特征融合方法

发明专利有效专利

申请号：
CN201710594235.1
IPC分类号：G06K9/62;G06N3/08
申请日期：
2017-07-20
申请人：
东北大学

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	面向HCC病理图像识别的特征选择与特征融合方法
申请号	CN201710594235.1	申请日期	2017-07-20
法律状态	授权	申报国家	中国
公开/公告日	2017-12-15	公开/公告号	CN107480702A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;8查看分类表>
申请人	东北大学	申请人地址	辽宁省沈阳市和平区文化路三巷11号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	东北大学	当前权利人	东北大学
发明人	姜慧研;李忠宽;庞文博
代理机构	北京易捷胜知识产权代理事务所（普通合伙）	代理人	齐胜杰

摘要

本发明公开了一种面向HCC病理图像识别的特征选择与特征融合方法，通过将病理图像的训练图像的深度特征、编码特征和纹理特征与mRMR、KPCA和Relief三种特征选择方法进行组合，进而通过随机森林分类器输出病理图像中每一类图像识别分类准确率最高的最优组合函数，并使用病理图像的测试图像通过随机森林分类器对最优组合函数的识别分类准确率进行验证，输出最优组合函数针对病理图像的测试图像中每一类图像的识别分类准确率。使用本发明方法获得的最优组合函数对病理图像进行识别分类，对每一类病理图像均能够获得较高的识别分类准确率，进而避免误诊情况出现。

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