公开(公告)号：CN112465058A

公开(公告)日：2021-03-09

申请号：CN202011427610.1

申请日：2020-12-07

Applicant: 中国计量大学

Inventor： 徐文龙 ,  楚阳 ,  李霞

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种改进GoogLeNet神经网络下多模态医学图像分类方法，对基于双模态影像MRI、PET生物特征进行训练提取特征并分类，在GoogLeNet模型的基础上进行修改，保持模型深度和宽度的前提下，提高网络特征提取性能，也更充分适应医学影像固有高维属性；由于双模态医学影像数据量的局限性，发明采用数据扩增方法，扩大数据样本数量，有效防止由于样本量的局限所带来的过拟合问题。最后通过双模态影像的分类结果，结合皮尔逊积矩相关系数PPMCC，以及临床评估数据MMSE表和CDR表来对NC、MCI、SMCI、PMCI以及AD阶段进行综合分类评估并分析出ROC曲线。本发明提高了分类效率和精度。

公开(公告)号：CN112215291A

公开(公告)日：2021-01-12

申请号：CN202011115303.X

申请日：2020-10-19

Applicant: 中国计量大学

Inventor： 楚阳 ,  徐文龙 ,  李霞

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G16H30/20

Abstract: 本发明提供了一种级联神经网络下医学图像特征提取和分类方法，步骤如下：步骤1：以三种不同类别的三维影像作为网络输入，以三种类别的分类概率值作为网络输出，构建级联神经网络模型；所述级联神经网络模型为基于3DCNN和2DCNN的级联方式；步骤2：将三种已具有标签标注的影像数据进行数据预处理操作，准备好训练样本数据和测试所需数据样本；步骤3：将训练样本数据送入级联神经网络进行训练，分析并提取样本特征；步骤4：对训练网络进行参数优化，经优化后的模型，获得最优网络参数的深度级联神经网络模型；步骤5：对经处理后的影像数据送入训练好的最优参数的级联神经网络模型，并通过分类器输出最终分类结果。本发明提高了分类精度和效率。