基于对抗神经网络的医学图像合成方法、分类方法及装置

发明专利有效专利

申请号：
CN201910211463.5
IPC分类号：G16H30/20;G06K9/62;G06N3/04
申请日期：
2019-03-20
申请人：
中国科学院自动化研究所

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	基于对抗神经网络的医学图像合成方法、分类方法及装置
申请号	CN201910211463.5	申请日期	2019-03-20
法律状态	授权	申报国家	中国
公开/公告日	2019-07-30	公开/公告号	CN110070935A
优先权	暂无	优先权号	暂无
主分类号	G16H30/20 ? 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〕 G16H30/00 专门用于处理或加工医学图像的ICT（计算机断层扫描入A61B 6/03）〔2018.01〕 G16H30/20 用于处理医学图像，例如 DICOM，HL7或PACS〔2018.01〕	IPC分类号	G;1;6;H;3;0;/;2;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	中国科学院自动化研究所	申请人地址	北京市海淀区中关村东路95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	中国科学院自动化研究所	当前权利人	中国科学院自动化研究所
发明人	刘勇;金丹;蒋田仔;刘冰
代理机构	北京市恒有知识产权代理事务所（普通合伙）	代理人	郭文浩;尹文会

摘要

本发明属于医学图像处理技术领域，具体涉及一种基于对抗神经网络的医学图像合成方法、分类方法及装置，旨在解决脑疾病分类任务中训练样本不足带来的准确度不能满足需求的问题，本发明合成方法包括：获取第一特征图像集及第二特征图像集；构建包括类别损失计算功能的循环生成对抗模型；基于所述第一特征图像集和所述第二特征图像集训练所述循环生成对抗模型；以及当样本分类损失满足条件时，将所述循环生成对抗模型生成的图像作为样本数据。本发明在Cycle‑GAN网络模型基础上添加类别损失使合成脑图像更加真实，通过无监督的方式增加了两倍的样本量，解决了使用深度学习方法进行脑疾病分类过程中出现的样本量不足的问题，可以提升分类准确度。

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