一种基于多任务学习的超声图像多分类方法

发明专利有效专利

申请号：
CN202111042625.0
IPC分类号：G06T7/00;G06K9/62
申请日期：
2021-09-07
申请人：
扬州大学附属医院

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	一种基于多任务学习的超声图像多分类方法
申请号	CN202111042625.0	申请日期	2021-09-07
法律状态	公开	申报国家	中国
公开/公告日	2021-11-23	公开/公告号	CN113689421A
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;/;6;2查看分类表>
申请人	扬州大学附属医院	申请人地址	江苏省扬州市邗江区邗江中路368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	扬州大学附属医院	当前权利人	扬州大学附属医院
发明人	肖潇;戚庭月;马彦辉;孙红光;朱毅
代理机构	南京苏科专利代理有限责任公司	代理人	陈栋智

摘要

本发明公开了一种基于多任务学习的超声图像多分类方法，包括步骤：1）设计和实现贝叶斯多项式回归算法，并将同时包括有标签和无标签的超声图像数据集作为输入，学习得到所有任务共有的模型参数；2）构建叠加重构独立成分分析模型对输入的图像特征表示做训练；3）构建半监督多任务学习框架，对多任务的图像特征表示进行进一步优化；4）用逻辑回归模型在有标签的超声图像数据集上训练分类器，并在无标签的超声图像数据集上得到分类结果。本发明结合深度学习和多任务学习的特点，将所有数据集进行组合以提高泛化性能，并利用超声图像数据集中已有的部分有标签数据，提升了超声图像数据集的分类准确度，具有较高的实用性。

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