摘要
本发明公开了用于皮肤病变高光谱图像分类的特征提取与识别方法,属于图像处理技术领域,包括以下步骤:S1、对高光谱图像进行预处理;S2、对经过预处理的高光谱图像提取多样性特征;S3、提取的特征进入特征融合模块,通过多粒度特征融合的三维全卷积神经网络实现特征融合;S4、特征融合后进入分割模块中进行病变区域的分割;S5、分割后的特征进入分类模块中进行分类;S6、分类的病变区域进入检测模块中提高显微高光谱图像中病变细胞的检测精度和实时性;S7、检测模块的检测结果由临床医生根据病理专家的病理结果进行印证。本发明采用上述的用于皮肤病变高光谱图像分类的特征提取与识别方法,有更高的诊断和分类能力,适用于多种医学图像分析任务。
技术关键词
高光谱图像分类
三维全卷积神经网络
三维卷积神经网络
识别方法
多粒度特征
多任务联合学习
融合方法
光谱特征提取
空间特征提取
特征提取模块
图像处理技术
数据处理模块
数据冗余
锚点
图像分析
精度
组织
系统为您推荐了相关专利信息
电力负载识别方法
数据存储模块
特征波形提取
数据获取模块
识别模型训练
神经网络算法
识别方法
资产
神经网络模型
识别网络安全
情绪识别系统
多模态
人工智能模型
生成警报信号
语音
深度学习识别方法
LED植物补光灯
多任务深度学习模型
参数优化模型
深度Q网络
动作识别方法
样本
编码器
动作识别系统
飞行参数数据