一种基于多阶段迁移的深度学习乳腺癌病理图像细分诊断方法

发明专利有效专利

申请号：
CN201910673864.2
IPC分类号：G16H50/20;G06T7/00
申请日期：
2019-07-25
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	一种基于多阶段迁移的深度学习乳腺癌病理图像细分诊断方法
申请号	CN201910673864.2	申请日期	2019-07-25
法律状态	实质审查	申报国家	中国
公开/公告日	2019-10-29	公开/公告号	CN110391022A
优先权	暂无	优先权号	暂无
主分类号	G16H50/20 ? IPC结构图谱： G 物理 G0 仪器 G16 特别适用于特定应用领域的信息通信技术〔ICT〕〔2018.01〕 G16H 医疗保健信息学，即专门用于处置或处理医疗或健康数据的信息和通信技术〔ICT〕〔2018.01〕 G16H50/00 专门适用于医疗诊断，医学模拟或医疗数据挖掘的ICT；专门适用于检测、监测或建模流行病或传染病〔2018.01〕 G16H50/20 用于计算机辅助诊断，例如医疗专家系统〔2018.01〕	IPC分类号	G;1;6;H;5;0;/;2;0;;;G;0;6;T;7;/;0;0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	丛成龙;孙福权;孔超然;张静静
代理机构	大连东方专利代理有限责任公司	代理人	姜玉蓉;李洪福

摘要

本发明属于图像处理技术领域，公开了一种基于多阶段迁移的深度学习乳腺癌病理图像细分诊断方法。本发明利用深度学习算法实现了乳腺癌病理图像细分辅助诊断；首先对ResNet‑V2‑152进行改进，然后构建两个改进的算法ResNet‑Ben和ResNet‑Mal，分别用来识别乳腺疾病中四种良性子类疾病和四种恶性子类疾病。为满足数据要求，在训练前对数据进行了上采样均衡化和数据扩充。在训练过程中结合了多阶段的迁移学习方式，在第一阶段迁移时对算法引入冻结层来降低过拟合风险；在第二段迁移学习过程中，根据多任务学习参数软迁移思想进行知识共享。最终ResNet‑Ben算法和ResNet‑Mal算法取得了96％左右的测试识别准确度。本发明利用深度学习方法解决了乳腺癌病理图像识别问题。

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