[发明专利]一种钼靶图像中胸大肌区域自动检测方法在审
| 申请号： | 201711480961.7 | 申请日： | 2017-12-29 |
| 公开（公告）号： | CN108564561A | 公开（公告）日： | 2018-09-21 |
| 发明（设计）人： | 陆遥;马祥园 | 申请（专利权）人： | 广州柏视医疗科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510530 广东省广州市黄*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种钼靶图像中胸大肌区域自动检测方法，包括下述步骤：S1、使用传统的基于灰度、梯度、纹理特征的方法得到胸大肌区域的粗分割图像；S2、对步骤S1得到的粗分割图像使用深度卷积神经网络得到细分割图像；S3、基于得到的深度卷积神经网络模型对乳腺钼靶图像胸大肌图像进行自动检测。本发明改进采用了经典算法来对钼靶图像中胸大肌区域进行初步检测，由于传统算法一般只能适应特定的一些情况，很难能够通用，故本发明中将其作初步分割，进一步用深度卷积神经网络来进行精细分割；同时通过粗分割处理，本发明大大缓解了深度学习对大数量训练样本的需求。 | ||
| 搜索关键词： | 卷积神经网络 分割图像 自动检测 钼靶 图像 乳腺钼靶图像 传统算法 分割处理 经典算法 纹理特征 训练样本 传统的 分割 灰度 精细 通用 检测 缓解 改进 学习 | ||
【主权项】：
1.一种钼靶图像中胸大肌区域自动检测方法，其特征在于，包括下述步骤：S1、使用传统的基于灰度、梯度、纹理特征的方法得到胸大肌区域的粗分割图像；S2、对步骤S1得到的粗分割图像使用深度卷积神经网络得到细分割图像，并做如下处理，具体步骤如下：S21、采集带有可靠的胸大肌检测结果的乳腺钼靶图像数据，采集的钼靶图像数据包含各种不一样的数据类型；所述乳腺钼靶图像数据按8:1:1的比例被随机分成了三部分，一部分作为深度卷积神经网络的训练集，一部分作为深度卷积神经网络的验证集，最后保留了一部分作为独立测试集合；S22、对于粗分割图像和原始钼靶图像都进行预处理；S23、将预处理完成后的粗分割图像和原始钼靶图像以及对应的胸大肌真实检测结果输入深度卷积神经网络对网络进行训练；S24、得到稳健的深度卷积神经网络模型MCNN；S3、基于得到的深度卷积神经网络模型对乳腺钼靶图像胸大肌图像进行自动检测。
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广州柏视医疗科技有限公司，未经广州柏视医疗科技有限公司许可，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/201711480961.7/，转载请声明来源钻瓜专利网。
