首页> 中国专利> 基于深度学习的恶性黑色素瘤及非恶性黑色素痣分类系统

基于深度学习的恶性黑色素瘤及非恶性黑色素痣分类系统

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开了一种基于深度学习的恶性黑色素瘤及非恶性黑色素痣分类方法，本发明先获取数据，再进行数据预处理，然后对处理后的数据进行增强，接着进行小滑块级别的恶性、非恶性肿瘤分类，生成概率热力图，机器学习特征提取，最后基于病理图像级别的随机森林分类，本发明不仅仅得到了眼部超像素组织病理图像小滑块级别的非常好的实验结果，重点是实现自动分类组织病理图像为恶性或非恶性的一整套流程，构建了一个可以直接应用于临床辅助诊断的计算机辅助诊断(CAD)系统，并且准确率非常高。

著录项

公开/公告号CN109492711B

专利类型发明专利
公开/公告日2020-08-25

原文格式PDF
申请/专利权人杭州电子科技大学;
展开▼

申请/专利号CN201811494076.9
发明设计人丁隆乾;郑先斐;孙玲玲;
展开▼

申请日2018-12-07
分类号G06K9/62(20060101);G06K9/34(20060101);G06N3/04(20060101);G06N3/00(20060101);G06N3/08(20060101);
代理机构33240 杭州君度专利代理事务所(特殊普通合伙);
代理人朱月芬
地址 310018 浙江省杭州市下沙高教园区2号大街
入库时间 2022-08-23 11:10:39

法律信息

法律状态公告日

法律状态信息

法律状态
2020-08-25

授权

授权
2019-04-12

实质审查的生效 IPC(主分类):G06K9/62 申请日:20181207

实质审查的生效
2019-03-19

公开

公开

相似文献

专利
中文文献
外文文献

1. 基于深度学习的恶性黑色素瘤及非恶性黑色素痣分类系统 [P] . 中国专利： CN109492711B . 2020.08.25
2. 基于深度学习的恶性黑色素瘤及非恶性黑色素痣分类方法 [P] . 中国专利： CN109492711A . 2019-03-19
3. molecular prognostic and classification of malignant melanoma based on markers selected from the list consisting of RGS1, NCOA3, SPP1, PHIP [P] . ES2489840T3 . 2014-09-02

机译：基于选自RGS1，NCOA3，SPP1，PHIP的标志物的恶性黑色素瘤分子预后和分类
4. Molecular prognosis and classification of malignant melanoma based upon markers selected from the list consisting of RGS1, NCOA3, SPP1, PHIP. [P] . 欧洲知识产权局专利： EP2518509B1 . 2014-05-14

机译：基于选自RGS1，NCOA3，SPP1，PHIP的标志物，恶性黑色素瘤的分子预后和分类。
5. MOLECULAR PROGNOSIS AND CLASSIFICATION OF MALIGNANT MELANOMA BASED UPON MARKERS SELECTED FROM THE LIST CONSISTING OF RGS1, NCOA3, SPP1, PHIP. [P] . PT2518509E . 2014-09-01

机译：从RGS1，NCOA3，SPP1，PHIP组成的列表中选择基于标记的恶性黑色素瘤的分子预后和分类。