买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学申请的专利一种基于GAN的非平衡医学图像分类方法、系统及电子设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117173464B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311112350.2，技术领域涉及：G06V10/764；该发明授权一种基于GAN的非平衡医学图像分类方法、系统及电子设备是由崔晓晖;丁红卫;黄娜娜设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本一种基于GAN的非平衡医学图像分类方法、系统及电子设备在说明书摘要公布了：本发明提供一种基于GAN的非平衡医学图像分类方法、系统及电子设备，所述方法包括：首先，提出了一种基于局部异常因子LOF的类内稀疏样本检测方法，用于查询类内难以被学习的样本。接着，使用仿射变换对稀疏样本进行样本扩增，以增强样本数据和特征的多样性。然后，我们再将稠密样本和增强后的稀疏样本结合共同训练LEGAN，可以使其有效关注稀疏区域的样本分布。本发明解决了传统机器学习算法无法有效分类非平衡数据的问题，通过设计基于LEGAN的数据扩增方案，不仅可以生成高质量和多样性的类内样本，还能有效提升传统分类模型的鲁棒性和分类性能。

本发明授权一种基于GAN的非平衡医学图像分类方法、系统及电子设备在权利要求书中公布了：1.一种基于GAN的非平衡医学图像分类方法，其特征在于，所述方法包括以下步骤： 步骤S1，采集医疗领域中的图像数据构建非平衡的数据集； 步骤S2，将采集到的数据集划分为训练样本集和测试样本集； 步骤S3，构建初始GAN模型，使用训练集预训练构建完成的GAN模型，获得初始权重； 步骤S4，构建离群点检测LOF模型，并使用LOF算法分离每一类数据中的稠密区域和稀疏区域样本；包括：使用局部异常因子进行类内稀疏样本的检测，在进行稀疏点检测前，先训练完成一个自编码器模型，使用编码器提取原始图像的高维隐空间特征，将提取到的高维隐空间特征作为LOF算法的输入； 步骤S5，使用数据增强方案增强类内的稀疏样本； 步骤S6，混合增强后的稀疏样本和原始的稠密样本，构建新的训练数据集； 步骤S7，构建LEGAN模型，使用重构损失和信息熵损失来改进原始的SNGAN模型，使用新的训练数据集训练LEGAN模型，包括： 训练分类器C来分别类内的稠密样本和稀疏样本； 计算训练批次中稠密样本和稀疏样本的数量和； 将信息熵的得分作为附加限制项反馈给生成器； 使用L1损失来度量生成样本和原始样本的重构差异； 步骤S8，使用训练完成的LEGAN模型生成非平衡数据中的小样本数据，将原始训练集达到平衡状态； 步骤S9，构建Resnet18模型，使用获得的平衡数据集训练所述Resnet18模型； 步骤S10，输入测试数据，对训练完成的Resnet18模型进行性能测试。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。