【技术实现步骤摘要】
本专利技术涉及肿瘤早期识别，尤其涉及一种基于深度学习与高光谱图像的肿瘤早期识别系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、癌症是世界上最常见的疾病之一，近年来，其发病率和死亡率不断上升，严重危害人们的身体健康，癌症已经成为人类健康的“头号杀手”。现阶段，随着癌症早筛工作的逐年推进，在实际工作中出现多种问题。首先，对肿瘤的早期筛查缺乏全面性和规范性，即有些筛查只针对特定癌种，筛查无法做到全面彻底，容易漏掉早期发现其他癌症的可能。并且目前尚未建立常见恶性肿瘤精准的筛查措施及早诊早治全程健康管理体系。其次，目前肿瘤早期识别手段多采用肿瘤标记物的方法，具有造价高和等待时间长的缺点，且该方法需要进行标记，容易对细胞产生污染。因此，急需一种全面、快速和无标记的肿瘤早期识别系统应用于肿瘤早期识别领域。
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的是提供一种基于深度学习与高光谱图像的肿瘤早期识别系统，结合高光谱图像自身光...
【技术保护点】
1.一种基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，包括：
2.如权利要求1所述的基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，图像降维模块中，提取高光谱图像中的光谱信息的具体步骤为：
3.如权利要求2所述的基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，基于不同肿瘤区域所占原图的比例选择缩小因子，从而确定采样间隔。
4.如权利要求3所述的基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，缩小因子选择过程中需考虑肿瘤区域长度和宽度，进而确定水平方向和垂直方向的采样间隔。
5.如权利要求...
【技术特征摘要】
1.一种基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，包括：
2.如权利要求1所述的基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，图像降维模块中，提取高光谱图像中的光谱信息的具体步骤为：
3.如权利要求2所述的基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，基于不同肿瘤区域所占原图的比例选择缩小因子，从而确定采样间隔。
4.如权利要求3所述的基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，缩小因子选择过程中需考虑肿瘤区域长度和宽度，进而确定水平方向和垂直方向的采样间隔。
5.如权利要求1所述的基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，特征波段选取模块中，对提取得到的光谱信息进行差异性分析的具体步骤为：
6.如权利要求5所述的基于深度学习与高光谱图像的肿瘤早期识别系统，其特征在于，多种特征...
【专利技术属性】
技术研发人员：李玮，张延冰，雷晟暄，刘尚明，刘洪彬，孟密密，姜浩，王立言，王伟，宋峻林，赵晗竹，韩浩宇，吴世豪，韩景泓，张彦霖，党广虹，顾夏铭，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。