[发明专利]一种基于深度学习方法的肺结节自动检测方法有效
| 申请号： | 201810129740.3 | 申请日： | 2018-02-08 |
| 公开（公告）号： | CN108389190B | 公开（公告）日： | 2022-12-16 |
| 发明（设计）人： | 李晖;施若;冯刚 | 申请（专利权）人： | 贵州联科卫信科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11 |
| 代理公司： | 北京联创佳为专利事务所(普通合伙) 11362 | 代理人： | 韩炜 |
| 地址： | 550001 贵州省贵阳市*** | 国省代码： | 贵州;52 |
| 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学习方法的肺结节自动检测方法。按下述步骤完成，a、预处理：采集若干患者的CT文件，构成数据集；将每位患者对应的CT文件制成包含有100～600张切片的CT文件；每张所述的切片的像素间距为1*1*1mm、大小为512*512像素；b、肺部区域图像提取：将每位患者CT文件基于亨氏单位值来进行像素值的二值化处理，以分隔得到肺部区域的mask图，再根据mask图提取肺部区域图像；c、肺结节检测：训练U‑Net卷积神经网络用于肺部区域图像肺结节检测，得到U‑Net训练模型；d、降低假阳性率：训练深度残差网络用于剔除U‑Net训练模型中非结节的假阳性点，得到检测模型；得到检测模型后，即能用检测模型对患者CT文件进行肺结节自动检测。本发明自动检测的精度高。 | ||
| 搜索关键词： | 一种 基于 深度 学习方法 结节 自动检测 方法 | ||
【主权项】：
1.一种基于深度学习方法的肺结节自动检测方法，其特征在于：按下述步骤完成，a、预处理：采集若干患者的经过脱敏处理的CT文件，构成数据集，数据集中一位患者对应一份CT文件；将每位患者对应的CT文件制成包含有100～600张切片的CT文件；每张所述的切片的像素间距为1*1*1mm、大小为512*512像素；b、肺部区域图像提取：将每位患者的CT文件基于亨氏单位值来进行像素值的二值化处理，以分隔得到肺部区域的mask图，再根据mask图提取肺部区域图像；c、肺结节检测：训练U‑Net卷积神经网络用于肺部区域图像肺结节检测，得到U‑Net训练模型；d、降低假阳性率：训练深度残差网络用于剔除U‑Net训练模型中非结节的假阳性点，得到检测模型；得到检测模型后，即能用检测模型对患者CT文件进行肺结节自动检测。
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贵州联科卫信科技有限公司，未经贵州联科卫信科技有限公司许可，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/201810129740.3/，转载请声明来源钻瓜专利网。
