公开(公告)号：CN114118257A

公开(公告)日：2022-03-01

申请号：CN202111398923.3

申请日：2021-11-19

Applicant: 安徽大学

Inventor： 程凡 ,  苏杭 ,  陈丽君

IPC: G06K9/62 ,  G06N3/12 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明提出了一种基于约束多目标进化算法的肿瘤图像分类方法，具体包括以下步骤：S1、采集历史肿瘤图像数据，并进行数据预处理；S2、基于预处理后数据初始化种群，并定义肿瘤图像的约束条件；S3、通过多目标进化算法迭代优化训练肿瘤图像分类模型；S4、采集目标肿瘤图像数据通过肿瘤图像分类模型进行分类得到分类结果。通过模型训练得到分类结果，并进行个体划分，根据约束进行选解，然后根据交叉和两阶段编译来产生解，通过环境选择来选出下一代种群。迭代结束后从第一前沿面中选出分类精度最高的模型作为肿瘤图像分类模型，通过肿瘤图像分类模型对目标肿瘤图像数据进行分类减少了训练时间并且增加检测的准确度，可以很好的提高用户的体验。

公开(公告)号：CN114118257B

公开(公告)日：2024-06-04

申请号：CN202111398923.3

申请日：2021-11-19

Applicant: 安徽大学

Inventor： 程凡 ,  苏杭 ,  陈丽君

IPC: G06V10/764 ,  G06N3/126 ,  G06V10/774

Abstract: 本发明提出了一种基于约束多目标进化算法的肿瘤图像分类方法，具体包括以下步骤：S1、采集历史肿瘤图像数据，并进行数据预处理；S2、基于预处理后数据初始化种群，并定义肿瘤图像的约束条件；S3、通过多目标进化算法迭代优化训练肿瘤图像分类模型；S4、采集目标肿瘤图像数据通过肿瘤图像分类模型进行分类得到分类结果。通过模型训练得到分类结果，并进行个体划分，根据约束进行选解，然后根据交叉和两阶段编译来产生解，通过环境选择来选出下一代种群。迭代结束后从第一前沿面中选出分类精度最高的模型作为肿瘤图像分类模型，通过肿瘤图像分类模型对目标肿瘤图像数据进行分类减少了训练时间并且增加检测的准确度，可以很好的提高用户的体验。