• 热门行业
  • 装修建材
  • 家居生活
  • 餐饮食品
  • 母婴教育
  • 电脑办公
  • 服装首饰
  • 汽车工具
  • 家电数码
  • 机械化工
  • 休闲美容
返回上一页
专利状态
一种基于弱监督学习的胃镜病理图像分类方法
有效
专利申请进度
申请
2020-07-17
申请公布
2020-11-24
授权
2024-02-09
预估到期
2040-07-17
专利基础信息
申请号 CN202010690425.5 申请日 2020-07-17
申请公布号 CN111985536A 申请公布日 2020-11-24
授权公布号 CN111985536B 授权公告日 2024-02-09
分类号 G06V10/764;G06V10/44;G06V10/42;G06V10/80;G06V10/54;G06V10/56;G06V10/26;G06V10/82;G06N3/0464;G06N3/0895;G06T5/73N;G06T5/30N;G06F21/62N
分类 计算;推算;计数;
申请人名称 万达信息股份有限公司
申请人地址 上海市徐汇区桂平路481号20号楼5层
专利法律状态
  • 2024-02-09
    授权
    状态信息
    授权
  • 2020-12-11
    实质审查的生效
    状态信息
    实质审查的生效;IPC(主分类):G06K9/62;申请日:20200717
  • 2020-11-24
    公布
    状态信息
    公布
摘要
本发明提供了一种基于弱监督学习的胃镜病理图像分类方法。针对胃镜数字病理图像标注成本高昂,难以获得大型标注数据集的问题,本发明利用易于获取的粗粒度标签构建的大型胃镜病理图像数据集训练得到弱监督网络模型。通过获得的弱监督网络模型提取胃镜病理图像特征,进一步融合胃镜病理图像全局和局部的定性特征,最后通过随机森林分类器实现对整张胃镜病理图像的阴性和阳性分类。利用本发明提供的基于弱监督的胃镜病理图像分类方法,可以为病理医生提供病理数据的筛查信息,辅助临床病理医生的诊断工作,提升其工作效率。