公开(公告)号：CN112990340B

公开(公告)日：2024-03-26

申请号：CN202110362608.9

申请日：2021-04-02

Applicant: 东南大学

Inventor： 王轶默 ,  刘剑 ,  许一航 ,  薛磊 ,  柳文章

IPC: G06F18/214 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/09

Abstract: 本发明公开了一种基于特征共享的自学习迁移方法，该方法包括如下步骤：步骤一：采用卷积神经网络作为卷积自编码器，在卷积自编码器的编码特征后面加入一个nonlocal模块，nonlocal模块包括四个卷积层和一个softmax层，采用softmax作为分类器；步骤二：选择由无标签数据构成的数据集A和由有标签数据构成的数据集B，将数据集B划分为训练集和测试集；步骤三：用数据集A训练自编码器，训练好后，将自编码器中的编码部分提取出来，当做特征提取器，连接到一个分类器C1中，利用数据集B中划分的训练集训练新的分类器C2，最终数据集A训练的特征提取器与数据集B训练的分类器的组合就是本方法的分类模型；步骤四：测试。本发明可有效拓展现有医学图像分类方法的适用范围。

公开(公告)号：CN112990340A

公开(公告)日：2021-06-18

申请号：CN202110362608.9

申请日：2021-04-02

Applicant: 东南大学

Inventor： 王轶默 ,  刘剑 ,  许一航 ,  薛磊 ,  柳文章

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征共享的自学习迁移方法，该方法包括如下步骤：步骤一：采用卷积神经网络作为卷积自编码器，在卷积自编码器的编码特征后面加入一个nonlocal模块，nonlocal模块包括四个卷积层和一个softmax层，采用softmax作为分类器；步骤二：选择由无标签数据构成的数据集A和由有标签数据构成的数据集B，将数据集B划分为训练集和测试集；步骤三：用数据集A训练自编码器，训练好后，将自编码器中的编码部分提取出来，当做特征提取器，连接到一个分类器C1中，利用数据集B中划分的训练集训练新的分类器C2，最终数据集A训练的特征提取器与数据集B训练的分类器的组合就是本方法的分类模型；步骤四：测试。本发明可有效拓展现有医学图像分类方法的适用范围。