買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京理工大學(xué)申請(qǐng)的專利一種基于高頻分量特征提取的乳腺組織OCT圖像分類方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116778258B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310902034.9，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于高頻分量特征提取的乳腺組織OCT圖像分類方法是由朱丹;丁李昊;高志山;袁群;郭珍艷;馬燚岑設(shè)計(jì)研發(fā)完成，并于2023-07-21向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于高頻分量特征提取的乳腺組織OCT圖像分類方法在說(shuō)明書摘要公布了：本發(fā)明公開了一種基于高頻分量特征提取的乳腺組織OCT圖像分類方法，步驟如下：采集并預(yù)處理乳腺組織OCT圖像，得到待識(shí)別的乳腺組織OCT圖像數(shù)據(jù)集，利用訓(xùn)練好的雙重過(guò)濾殘差網(wǎng)絡(luò)模型對(duì)乳腺組織OCT圖像進(jìn)行目標(biāo)識(shí)別，得到分類結(jié)果。本發(fā)明結(jié)合雙維度注意力機(jī)制、八度卷積、和殘差單元構(gòu)建“雙重過(guò)濾”殘差網(wǎng)絡(luò)模型，模型在提取圖像特征時(shí)能調(diào)整高低頻分量特征的占比，通過(guò)適當(dāng)增加高頻分量占比，減少低頻特征在空間維度上的信息冗余，顯著提高乳腺組織OCT圖像分類的準(zhǔn)確度和穩(wěn)定性，對(duì)于結(jié)構(gòu)相似度高的乳腺組織OCT圖像表現(xiàn)出優(yōu)異的分類精度和魯棒性。

本發(fā)明授權(quán)一種基于高頻分量特征提取的乳腺組織OCT圖像分類方法在權(quán)利要求書中公布了：1.一種基于高頻分量特征提取的乳腺組織OCT圖像分類方法，其特征在于，步驟如下： 步驟S1、挑選A類乳腺組織樣本，1A10，在每類乳腺組樣本中選取B個(gè)感興趣的區(qū)域進(jìn)行成像，10B50，從每個(gè)感興趣區(qū)域截取D張乳腺組織OCT圖像，10D50，共獲得N張不同類別的乳腺組織OCT圖像，N=ABD，100N25000，對(duì)N張不同類別的乳腺組織OCT圖像分別進(jìn)行歸一化處理及數(shù)據(jù)增強(qiáng)后，得到像素大小為h×w的NA張乳腺組織OCT圖像，1000NA250000，將NA張乳腺組織OCT圖像中每類樣本按照18:1:1比例劃分為訓(xùn)練樣本集、驗(yàn)證樣本集和測(cè)試樣本集，并對(duì)訓(xùn)練樣本集中的樣本圖像添加標(biāo)簽，轉(zhuǎn)入步驟S2； 步驟S2、構(gòu)建雙重過(guò)濾殘差模型，以獲取乳腺組織OCT樣本形狀特征的多值標(biāo)簽信息，具體如下： 雙重過(guò)濾殘差模型包括初步過(guò)濾單元、深度過(guò)濾單元、圖像分類單元； 初步過(guò)濾單元包括依次連接的三個(gè)級(jí)聯(lián)的第一卷積層和雙維度注意力機(jī)制，第一卷積層的卷積核大小為3×3，在其之后連接批量歸一化層和非線性激活函數(shù)，非線性激活函數(shù)為ReLU激活函數(shù)，雙維度注意力機(jī)制包括通道注意力機(jī)制和空間注意力機(jī)制； 深度過(guò)濾單元包括順次連接的8組具有殘差結(jié)構(gòu)的八度卷積塊和雙維度注意力機(jī)制；八度卷積塊包括2層八度卷積層和BN層，且相鄰的2組八度卷積塊之間構(gòu)成殘差結(jié)構(gòu)； 圖像分類單元包括全局平均池化層、全連接層和Softmax層; 轉(zhuǎn)入步驟S3； 步驟S3、將帶標(biāo)簽的訓(xùn)練樣本集輸入雙重過(guò)濾殘差模型對(duì)其進(jìn)行訓(xùn)練，乳腺組織OCT圖像依次經(jīng)過(guò)初步過(guò)濾單元、深度過(guò)濾單元、圖像分類單元后，最終得到預(yù)訓(xùn)練雙重過(guò)濾殘差網(wǎng)絡(luò)模型，轉(zhuǎn)入步驟S4； 步驟S4、將不帶標(biāo)簽的驗(yàn)證樣本集輸入預(yù)訓(xùn)練雙重過(guò)濾殘差網(wǎng)絡(luò)模型，利用乳腺組織OCT圖像驗(yàn)證樣本集對(duì)預(yù)訓(xùn)練雙重過(guò)濾殘差網(wǎng)絡(luò)模型性能進(jìn)行驗(yàn)證，得到雙重過(guò)濾殘差網(wǎng)絡(luò)模型，轉(zhuǎn)入步驟S5； 步驟S5、將不帶標(biāo)簽的測(cè)試樣本集輸入雙重過(guò)濾殘差網(wǎng)絡(luò)模型，利用測(cè)試樣本集對(duì)雙重過(guò)濾殘差網(wǎng)絡(luò)模型的泛化能力進(jìn)行測(cè)試。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南京理工大學(xué)，其通訊地址為：210094 江蘇省南京市玄武區(qū)孝陵衛(wèi)200號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。