基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统
专利类型：发明专利
语 言：中文
申 请 号：CN201810090071.3
申 请 日：20180130
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20180713
公 开 号：CN108281183A
代 理 人：陈千
代理机构：成都蓉域智慧知识产权代理事务所(普通合伙) 51250
摘 要：本发明公开一种基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统,包括：样本数据库,用于存储训练样本；预训练模型,该模型采用卷积神经网络模型,包括卷积层、池化层和全连接层,并利用所述样本数据库中的训练样本进行训练,使其满足多分类要求；重构模型,该模型通过迁移预训练模型中卷积层、池化层的网络结构和参数,通过修改全连接层架构,使其满足宫颈涂片图像分类任务；待测样本获取模块,用于获取待测的宫颈涂片图像样本,通过输入所述重构模型得到对应的分类结果。其效果是：系统能够允许不同大小的图像输入,具有高性能的分类效果,对宫颈癌的早期筛查和诊断具有较好的辅助效果。
主 权 项：1.一种基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统,其特征在于包括：样本数据库,用于存储训练样本；预训练模型,该模型采用卷积神经网络模型,包括卷积层、池化层和全连接层,并利用所述样本数据库中的训练样本进行训练,使其满足多分类要求；重构模型,该模型通过迁移预训练模型中卷积层、池化层的网络结构和参数,通过修改全连接层架构,使其满足宫颈涂片图像分类任务；待测样本获取模块,用于获取待测的宫颈涂片图像样本,通过输入所述重构模型得到对应的分类结果。
关 键 词：宫颈涂片;卷积神经网络;图像诊断系统;样本数据库;训练模型;训练样本;迁移;连接层;池化;卷积;重构;待测样本;分类结果;分类效果;辅助效果;获取模块;图像分类;图像输入;图像样本;网络结构;早期筛查;宫颈癌;存储;架构;诊断;学习;分类
法律状态：
IPC专利分类号：G16H50/20;G06N3/04;G06N3/08