[发明专利]基于3D卷积神经网络与深度学习的肺结节良恶性分类方法有效
| 申请号： | 201810217530.X | 申请日： | 2018-03-16 |
| 公开（公告）号： | CN108389201B | 公开（公告）日： | 2020-06-30 |
| 发明（设计）人： | 唐雯;张荣国;王少康;陈宽 | 申请（专利权）人： | 北京推想科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62 |
| 代理公司： | 北京戈程知识产权代理有限公司 11314 | 代理人： | 程伟;甄雁翔 |
| 地址： | 100025 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于3D卷积神经网络与深度学习的肺结节良恶性分类方法，具体步骤为：S1：获取用户的肺部CT序列影像，提取出肺结节所在感兴趣区域的3D影像；S2：对3D影像进行标准化，得到多个大小相同的3D正方体样本块；S3：对训练样本集按比例进行复制，并且进行增强处理；S4：将增强后的训练样本集输入预设的深度神经网络模型，利用BCE损失函数进行深度训练，得到训练好的新深度神经网络模型；S5：根据测试样本集的结果绘制ROC曲线，由ROC曲线特性和AUC值确定最佳阈值，用于训练好的新神经网络模型对于肺结节良恶性的分类。本发明可以实现对肺结节的准确分类，帮助医生快速识别肺结节种类，节约时间并保证医生长时间工作依然有极高的准确率。 | ||
| 搜索关键词： | 基于 卷积 神经网络 深度 学习 结节 恶性 分类 方法 | ||
【主权项】：
1.一种基于3D卷积神经网络与深度学习的肺结节良恶性分类方法，其特征在于包括以下步骤：S1：获取用户的肺部CT序列影像，利用医生标记的肺结节位置信息提取出肺结节所在感兴趣区域的3D影像；S2：对不同大小的肺结节3D影像进行标准化，得到多个大小相同的3D正方体样本块；S3：对训练样本集进行复制，并且对复制后的训练样本集进行增强处理；S4：将增强后的训练样本集输入预设的深度神经网络模型，利用BCE损失函数对预设的深度神经网络模型进行深度训练，得到训练好的新深度神经网络模型；S5：将测试样本集输入训练好的深度神经网络模型中，并且根据测试样本集的结果，绘制受试者工作特征曲线，由受试者工作特征曲线特性和曲线所覆盖的区域面积值确定最佳阈值，用于训练好的深度神经网络模型对于肺结节良恶性的分类。
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北京推想科技有限公司，未经北京推想科技有限公司许可，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/201810217530.X/，转载请声明来源钻瓜专利网。
