一种结合小波变换和张量网络的医学图像分类方法
本发明涉及医学图像分类技术领域,具体公开了一种结合小波变换和张量网络的医学图像分类方法,提出了一种粗粒化网络,该粗粒化网络结合了小波变换和MERA,即将D4小波编码到MERA中,形成一个内部参数固定的waveletMERA模型,并且还构建了一个如全连接层般的张量分类网络。本发明使用MNIST数据集、Covid‑19数据集和LIDC数据集进行多维验证,结果表明waveletMERA的准确率稳定居高,比CNNs的深度神经网络具有更好的粗粒化能力,使waveletMERA能够在保证精度的同时,更大程度上减少模型的参数量。结果表明waveletMERA不仅在分类上优于当前主流的深度神经网络,而且在数据预处理方面也优于普通小波变换。不仅如此,waveletMERA还具有张量网络本身的可解释性优势。
《一种结合小波变换和张量网络的医学图像分类方法》是一发明专利,专利号为 2021114757623,当前法律状态为已下证,由西南大学提出申请,发明人为赖红;黄延,申请日期为2021-12-06,公开(公告)日期为2025-07-01,国际专利分类号(IPC)为 G06V 10/764 (2022.01),高新资质:未报高企,所属技术领域包括:医学图像 医学检测 疾病检测 医学。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及医学图像分类技术领域,具体公开了一种结合小波变换和张量网络的医学图像分类方法,提出了一种粗粒化网络,该粗粒化网络结合了小波变换和MERA,即将D4小波编码到MERA中,形成一个内部参数固定的waveletMERA模型,并且还构建了一个如全连接层般的张量分类网络。本发明使用MNIST数据集、Covid‑19数据集和LIDC数据集进行多维验证,结果表明waveletMERA的准确率稳定居高,比CNNs的深度神经网络具有更好的粗粒化能力,使waveletMERA能够在保证精度的同时,更大程度上减少模型的参数量。结果表明waveletMERA不仅在分类上优于当前主流的深度神经网络,而且在数据预处理方面也优于普通小波变换。不仅如此,waveletMERA还具有张量网络本身的可解释性优势。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
