重点研发技术
肿瘤病理图像自动判读
基于频域学习的肿瘤病理图像分类技术，一方面通过将肿瘤病理图像转为频域信息进行特征提取，提升肿瘤病理图像判读的精度，另一方面依托于频域知识，构建频域卷积神经网络，从而避免因数据规模大与神经网络结构复杂造成的训练效率低的问题。基于上述两方面的研究，设计和实现基于频域的肿瘤图像自动判读系统，在实际的医疗场景中协助医疗工作者更加准确地识别恶性肿瘤，实现恶性肿瘤的早发现、早治疗划。
技术路线
研究内容
频域特征提取研究
将图像变换到频域的技术，拟提出一种频域特征提取方法，通过对肿瘤病理图像进行频域分解，提取不同频率波段的全局和局部信息
频域卷积神经网络研究
深入研究如何在不影响性能的前提下提高CNN训练效率，更好地服务于医生对肿瘤病理图像的判别
自动判读系统实现
设计一套基于频域学习的肿瘤图像自动判读系统。明确系统开发环境并设计系统功能，最后，对系统进行测试
小波变换
对图像的每行进行一维离散小波逆变换，获得原始图像在水平方向上的低频分量L 和高频分量H
CNN核初始化策略
选取合适的频域学习算法，将肿瘤病理图像以频率表示并采用Kaiming初始化在频域中初始化所有的核
方案价值
基础设施能力强
丰富的基础设施能力、人才优势与图像识别、大数据、人工智能等技术积累，助力医疗大健康产业智慧化升级
全面互联互通
依托互联网技术与服务，建立机构与机构之间、机构与用户之间的强连接，助力全方位、全生命周期的大健康产业发展
全链条产业生态
打造开放平台，联合合作伙伴，构建覆盖医疗、康养、医药、器械、流通、保险、服务等全链条的医疗大健康生态
实现路径
公开数据收集
小波变换
CNNs核初始化策略设计
卷积部件设计
卷积信道设计
模型训练
肿瘤图像自动判读系统
相关推荐
