-
公开(公告)号：CN105957092B
公开(公告)日：2018-10-30
申请号：CN201610375414.1
申请日：2016-05-31
Applicant: 福州大学
Abstract: 本发明涉及一种用于计算机辅助诊断的乳腺钼靶图像特征自学习提取方法，首先从乳腺钼靶病灶区域图像ROI中提取手工浅层特征，构成训练样本集；随后，利用训练样本集训练出一个堆叠自编码器，完成乳腺钼靶图像从浅层特征到高层语义特征的自学习提取。本发明采用逐层贪婪无监督训练的方式，从已有的乳腺钼靶图像数据中去自学习高层语义特征，避免了人工干涉，该方法实现灵活，为临床诊断提供更有价值的“参考意见”，具有较强的实用性。
-
公开(公告)号：CN105957092A
公开(公告)日：2016-09-21
申请号：CN201610375414.1
申请日：2016-05-31
Applicant: 福州大学
IPC: G06T7/00
CPC classification number: G06T2207/30068
Abstract: 本发明涉及一种用于计算机辅助诊断的乳腺钼靶图像特征自学习提取方法，首先从乳腺钼靶病灶区域图像 ROI中提取手工浅层特征，构成训练样本集；随后，利用训练样本集训练出一个堆叠自编码器，完成乳腺钼靶图像从浅层特征到高层语义特征的自学习提取。本发明采用逐层贪婪无监督训练的方式，从已有的乳腺钼靶图像数据中去自学习高层语义特征，避免了人工干涉，该方法实现灵活，为临床诊断提供更有价值的“参考意见”，具有较强的实用性。
-
公开(公告)号：CN105913086A
公开(公告)日：2016-08-31
申请号：CN201610223395.0
申请日：2016-04-12
Applicant: 福州大学
CPC classification number: G06K9/6269 , G06F19/34 , G06K9/4671 , G06K2209/05
Abstract: 本发明涉及一种应用特征权重自适应选择的计算机辅助诊断乳腺的方法，首先从已知病例中提取乳腺X线钼靶与B超影像数据特征，将完成特征提取的各病例数据按照已知临床诊断结果进行良恶性与临床分期标注；接着对同一患者乳腺的X线钼靶图像与B超影像采用级联方式进行多特征融合，得到乳腺样本的特征向量；接着将特征权重自适应选择方法用于基于高斯核的二叉平衡决策树SVM多分类算法的训练过程；最后将特征权重自适应选择方法用于基于高斯核的二叉平衡决策树SVM多分类算法的识别过程。本发明能够提高乳腺癌诊断的准确率和效率。
-
公开(公告)号：CN104933446B
公开(公告)日：2018-09-18
申请号：CN201510413961.X
申请日：2015-07-15
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种用于计算机辅助诊断乳腺B超特征有效性验证的方法，先将乳腺B超病灶区域图像集分为训练集和验证集，且所有B超病灶区域图像均给定图像特征和文本特征；接着对训练集和验证集中所有样本图像的文本特征进行二进制编码；然后基于训练集完成面向乳腺B超特征验证的VALIDATION_RBM的训练；最后将该训练好的VALIDATION_RBM即作为特征有效性验证的工具。本发明即便在没有类标签信息的情况下，仍然可以充分利用乳腺B超影像分析文本和图像特征之间的映射关系来验证图像特征的有效性。
-
公开(公告)号：CN105023023B
公开(公告)日：2018-08-17
申请号：CN201510413836.9
申请日：2015-07-15
Applicant: 福州大学
Abstract: 本发明涉及一种用于计算机辅助诊断的乳腺B超图像特征自学习提取方法，首先基于中等规模以上的乳腺B超病灶区域图像集无监督训练出一个卷积受限玻尔兹曼机(CRBM)，对于任意给定的一幅B超病灶区域图像，首先将其输入训练好的CRBM，由CRBM提取得到乳腺B超图像的初始特征；随后，利用主成分分析法（PCA）对初始特征进行降维，得到可用于计算机辅助诊断的低维乳腺B超图像特征，完成乳腺B超图像浅层特征的自学习提取。本发明采用完全无监督的形式，从已有的乳腺B超图像数据中去自学习特征，减少工作量，避免了人工干涉，该方法实现灵活，具有较强的实用性。
-
Patent Agency Ranking
公开(公告)号：CN105023023A
公开(公告)日：2015-11-04
申请号：CN201510413836.9
申请日：2015-07-15
Applicant: 福州大学
CPC classification number: G06K9/6259 , G06K9/3233 , G06K9/4671 , G06T7/0012 , G06T2207/30068
Abstract: 本发明涉及一种用于计算机辅助诊断的乳腺B超图像特征自学习提取方法，首先基于中等规模以上的乳腺B超病灶区域图像集无监督训练出一个卷积受限玻尔兹曼机(CRBM)，对于任意给定的一幅B超病灶区域图像，首先将其输入训练好的CRBM，由CRBM提取得到乳腺B超图像的初始特征；随后，利用主成分分析法（PCA）对初始特征进行降维，得到可用于计算机辅助诊断的低维乳腺B超图像特征，完成乳腺B超图像浅层特征的自学习提取。本发明采用完全无监督的形式，从已有的乳腺B超图像数据中去自学习特征，减少工作量，避免了人工干涉，该方法实现灵活，具有较强的实用性。
-
公开(公告)号：CN106203488B
公开(公告)日：2019-09-13
申请号：CN201610512267.8
申请日：2016-07-01
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于受限玻尔兹曼机的乳腺图像特征融合方法，首先通过堆叠自编码器深度学习分别获取乳腺钼靶、乳腺B超的高层语义特征，然后利用受限玻尔兹曼机模型提取乳腺B超、钼靶的不同模态图像的共享特征表示。本发明所提出的一种基于受限玻尔兹曼机的乳腺图像特征融合方法，以无监督的训练方式获取乳腺B超、钼靶的不同模态统计属性之间的联合分布，可以充分利用大量的无标签数据，弥补了目前好多特征融合方法过度依赖于样本类标签的缺陷，具有较强的实用性。
-
公开(公告)号：CN106203488A
公开(公告)日：2016-12-07
申请号：CN201610512267.8
申请日：2016-07-01
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于受限玻尔兹曼机的乳腺图像特征融合方法，首先通过堆叠自编码器深度学习分别获取乳腺钼靶、乳腺B超的高层语义特征，然后利用受限玻尔兹曼机模型提取乳腺B超、钼靶的不同模态图像的共享特征表示。本发明所提出的一种基于受限玻尔兹曼机的乳腺图像特征融合方法，以无监督的训练方式获取乳腺B超、钼靶的不同模态统计属性之间的联合分布，可以充分利用大量的无标签数据，弥补了目前好多特征融合方法过度依赖于样本类标签的缺陷，具有较强的实用性。
-
公开(公告)号：CN106169084A
公开(公告)日：2016-11-30
申请号：CN201610537713.0
申请日：2016-07-08
Applicant: 福州大学
CPC classification number: G06K9/6269 , G06T7/0012 , G06T2207/10132 , G06T2207/20081 , G06T2207/30068
Abstract: 本发明涉及一种基于高斯核参数选择的SVM乳腺分类方法，首先从已知病例中提取乳腺钼靶与B超图像特征，将完成特征提取的各病例数据按照已知临床诊断结果进行良恶性与临床分期标注；接着对同一患者乳腺的钼靶图像特征与B超图像特征采用级联方式进行多特征融合，得到乳腺样本的特征向量；接着将高斯核参数选择方法用于基于高斯核的二叉平衡决策树SVM多分类算法的训练过程与识别过程。本发明能够提高乳腺癌诊断的准确率和效率。
-
公开(公告)号：CN104933446A
公开(公告)日：2015-09-23
申请号：CN201510413961.X
申请日：2015-07-15
Applicant: 福州大学
IPC: G06K9/62
CPC classification number: G06K9/6277 , G06K2209/05
Abstract: 本发明涉及一种用于计算机辅助诊断乳腺B超特征有效性验证的方法，先将乳腺B超病灶区域图像集分为训练集和验证集，且所有B超病灶区域图像均给定图像特征和文本特征；接着对训练集和验证集中所有样本图像的文本特征进行二进制编码；然后基于训练集完成面向乳腺B超特征验证的VALIDATION_RBM的训练；最后将该训练好的VALIDATION_RBM即作为特征有效性验证的工具。本发明即便在没有类标签信息的情况下，仍然可以充分利用乳腺B超影像分析文本和图像特征之间的映射关系来验证图像特征的有效性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
