专利交易市场

一种基于多通道协同胶囊网络的结肠癌病理学图像分类方法，利用胶囊网络的动态路由机制构建网络模型，在特征提取层利用多输入特征融合方式进行图片的特征提取，并在胶囊层并行多个通道来加速训练，然后利用margin loss损失函数对模型进行训练。本发明有效的克服了传统卷积神经网络技术在训练过程中空间信息丢失、不具有旋转、平移不变性等问题，并利用特征融合提高了模型的泛化能力，胶囊层允许通道间协同合作加速训练，能够有效的节约时间成本，减少网络的参数，使网络训练更加的高效的网络。

本发明公开一种用于糖尿病性眼底图像分类的核主成分谱哈希方法。该方法首先对糖尿病性眼底图像数据进行预处理和分割操作，将处理后的眼底图像数据转化为向量形式；接着采用核主成分分析算法提取出眼底图像数据中非线性特征信息；然后将数据转化为二值码形式，利用Laplace‑Beltrami算子的特征值和特征函数值表示出眼底图像样本数据；最后利用阈值将样本特征函数值转化为二值码，并运用最近邻算法在汉明空间进行糖尿病性眼底图像的有效分类。本发明能充分提取出复杂非线性糖尿病性眼底图像数据特征，具有较高的分类准确率，且能有效降低大规模眼底图像分类时计算的复杂度。

本发明实施例公开了一种超声图像分类装置，转换单元对获取的超声图像进行格式转换，得到目标超声图像；残差处理单元，将目标超声图像进行残差处理，得到多个子图像。对图像进行残差处理，可以将超声图像分割为多个子图像，使得超声图像可以划分为更小的图像单元进行处理，有效的提升了图像分析的准确性。并且与传统的卷积分析相比，残差处理的方式可以降低数据处理量，从而提升了图像分类的处理效率。确定单元利用训练好的胶囊网络，对多个子图像进行分析，确定出超声图像所属的图像类别。胶囊网络通过对子图像进行聚类分析，可以得出超声图像与每个图像类别之间的关联性，从而较为准确的评估出超声图像所属的图像类别。