公开(公告)号：CN107480702B

公开(公告)日：2021-03-30

申请号：CN201710594235.1

申请日：2017-07-20

Applicant: 东北大学

Inventor： 姜慧研 ,  李忠宽 ,  庞文博

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种面向HCC病理图像识别的特征选择与特征融合方法，通过将病理图像的训练图像的深度特征、编码特征和纹理特征与mRMR、KPCA和Relief三种特征选择方法进行组合，进而通过随机森林分类器输出病理图像中每一类图像识别分类准确率最高的最优组合函数，并使用病理图像的测试图像通过随机森林分类器对最优组合函数的识别分类准确率进行验证，输出最优组合函数针对病理图像的测试图像中每一类图像的识别分类准确率。使用本发明方法获得的最优组合函数对病理图像进行识别分类，对每一类病理图像均能够获得较高的识别分类准确率，进而避免误诊情况出现。

公开(公告)号：CN107480702A

公开(公告)日：2017-12-15

申请号：CN201710594235.1

申请日：2017-07-20

Applicant: 东北大学

Inventor： 姜慧研 ,  李忠宽 ,  庞文博

IPC: G06K9/62 ,  G06N3/08

CPC classification number: G06K9/629 ,  G06K9/6256 ,  G06K2209/051 ,  G06N3/084

Abstract: 本发明公开了一种面向HCC病理图像识别的特征选择与特征融合方法，通过将病理图像的训练图像的深度特征、编码特征和纹理特征与mRMR、KPCA和Relief三种特征选择方法进行组合，进而通过随机森林分类器输出病理图像中每一类图像识别分类准确率最高的最优组合函数，并使用病理图像的测试图像通过随机森林分类器对最优组合函数的识别分类准确率进行验证，输出最优组合函数针对病理图像的测试图像中每一类图像的识别分类准确率。使用本发明方法获得的最优组合函数对病理图像进行识别分类，对每一类病理图像均能够获得较高的识别分类准确率，进而避免误诊情况出现。