[发明专利]一种基于深度卷积神经网络的CT肺结节检测方法有效
| 申请号： | 201710083606.X | 申请日： | 2017-02-16 |
| 公开（公告）号： | CN107016665B | 公开（公告）日： | 2021-05-04 |
| 发明（设计）人： | 金弘晟;李宗曜;童若锋 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/10;G06N3/04;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 万尾甜;韩介梅 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度卷积神经网络的CT肺结节检测方法，包括如下步骤：1)对CT图像预处理，使像素间隔统一，图像对比度统一；2)训练二维卷积神经网络U‑net，预测肺结节分割图像，基于肺结节分割图像推荐候选结节；3)训练三维深度残差神经网络Resnet3D，预测肺结节的真假阳性概率，筛除假阳性结节。本发明提供的CT肺结节检测方法，充分发挥了深度学习的优势，可以更高效、更准确地在CT图像中自动检测肺部结节，且对医疗大数据有更强的适应能力。 | ||
| 搜索关键词： | 一种 基于 深度 卷积 神经网络 ct 结节 检测 方法 | ||
【主权项】：
一种基于深度卷积神经网络的CT肺结节检测方法，其特征在于，包括以下步骤：(1)对CT图像预处理，使全部CT图像像素间隔统一，图像对比度统一；(2)训练二维卷积神经网络U‑net，预测肺结节分割图像，基于肺结节分割图像推荐候选结节；(3)训练三维深度残差神经网络Resnet3D，预测肺结节的真假阳性概率，筛除假阳性结节。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710083606.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种用于车载毫米波雷达系统锁相环芯片
- 下一篇：红外3D同步信号发射器
