公开(公告)号：CN119478561B

公开(公告)日：2025-04-04

申请号：CN202510053872.2

申请日：2025-01-14

Applicant: 暨南大学附属第一医院(广州华侨医院)

Inventor： 吴英 ,  李发明

IPC: G06V10/764 ,  G06N3/042 ,  G06N3/048 ,  G06T7/00 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及图像分类技术领域，公开了一种基于深度学习的乳腺图像分类评估方法及系统，其中，该方法包括：对样本乳腺图像数据进行预处理，得到综合特征数据；基于综合特征数据进行特征增强，得到增强特征数据；对增强特征数据进行多模态双向特征融合，得到多模态融合特征数据；基于多模态融合特征数据，构建并训练半监督局部特征保留稠密连接上下文感知图卷积网络，得到图卷积分类模型；根据多模态融合特征数据，构建并训练多分支残差注意力重建网络，得到多尺度特征融合模型；通过图卷积分类模型和多尺度特征融合模型对实时乳腺图像数据进行分类评估和预测结果集成，得到目标乳腺图像分类结果，该方法提高乳腺图像分类的准确性和可靠性。

公开(公告)号：CN119478561A

公开(公告)日：2025-02-18

申请号：CN202510053872.2

申请日：2025-01-14

Applicant: 暨南大学附属第一医院(广州华侨医院)

Inventor： 吴英 ,  李发明

IPC: G06V10/764 ,  G06N3/042 ,  G06N3/048 ,  G06T7/00 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及图像分类技术领域，公开了一种基于深度学习的乳腺图像分类评估方法及系统，其中，该方法包括：对样本乳腺图像数据进行预处理，得到综合特征数据；基于综合特征数据进行特征增强，得到增强特征数据；对增强特征数据进行多模态双向特征融合，得到多模态融合特征数据；基于多模态融合特征数据，构建并训练半监督局部特征保留稠密连接上下文感知图卷积网络，得到图卷积分类模型；根据多模态融合特征数据，构建并训练多分支残差注意力重建网络，得到多尺度特征融合模型；通过图卷积分类模型和多尺度特征融合模型对实时乳腺图像数据进行分类评估和预测结果集成，得到目标乳腺图像分类结果，该方法提高乳腺图像分类的准确性和可靠性。