摘要
本发明涉及样本分类技术领域,公开了一种甲状腺肿瘤样本分类方法、装置、设备及存储介质,本发明通过预设语义分割算法模型对甲状腺肿瘤图像数据集进行处理得到甲状腺肿瘤样本图像数据集,进一步数据处理和特征提取方法处理,可以得到对应的形状特征集和纹理特征集,同时,通过深度学习网络对第一ROI图像数据集进行特征提取得到深度学习特征集,最后通过结合深度学习特征集、形状特征集和纹理特征集可以最终实现甲状腺肿瘤样本的分类。因此,通过实施本发明,将深度学习特征、形状特征和纹理特征结合进行样本分类,提高了样本分类的准确度。
技术关键词
ROI图像
深度学习特征
语义分割算法
样本分类方法
纹理特征
特征提取方法
肿瘤
数据处理方法
深度学习网络
样本分类技术
可读存储介质
指令
拼接方法
计算机程序产品
分类装置
模块
系统为您推荐了相关专利信息
视觉分析技术
迁移学习模型
识别火灾
三维空间模型
神经网络模型
驱动特征
图像处理方法
关键点特征
样本
纹理特征提取
推广方法
多模态特征
纹理特征分类
配料
动态光学
茶叶分类
非标准化
分类方法
局部纹理特征
深层特征提取