公开(公告)号：CN110533683B

公开(公告)日：2022-04-29

申请号：CN201910817072.8

申请日：2019-08-30

Applicant: 东南大学

Inventor： 舒华忠 ,  袁歆雨 ,  杨冠羽 ,  孔佑勇

IPC: G06T7/136 ,  G06K9/62 ,  G06V10/764

Abstract: 本发明公开了一种融合传统特征与深度特征的影像组学分析方法，包括以下步骤：首先，提取感兴趣区域的一阶特征、形状特征和纹理特征等传统特征；其次，对提取出的原始特征集进行特征选择剔除冗余特征；然后，通过卷积神经网络模型提取深度特征；最后，通过将传统特征与深度特征进行融合，实现不同组别的分类。本发明比单独使用传统特征或深度特征相比获得更好的分类效果。

公开(公告)号：CN110533683A

公开(公告)日：2019-12-03

申请号：CN201910817072.8

申请日：2019-08-30

Applicant: 东南大学

Inventor： 舒华忠 ,  袁歆雨 ,  杨冠羽 ,  孔佑勇

IPC: G06T7/136 ,  G06K9/62

Abstract: 本发明公开了一种融合传统特征与深度特征的影像组学分析方法，包括以下步骤：首先，提取感兴趣区域的一阶特征、形状特征和纹理特征等传统特征；其次，对提取出的原始特征集进行特征选择剔除冗余特征；然后，通过卷积神经网络模型提取深度特征；最后，通过将传统特征与深度特征进行融合，实现不同组别的分类。本发明比单独使用传统特征或深度特征相比获得更好的分类效果。