[发明专利]基于faster r-cnn的甲状腺肿瘤超声图像自动识别方法在审
| 申请号： | 201810309381.X | 申请日： | 2018-04-09 |
| 公开（公告）号： | CN108734694A | 公开（公告）日： | 2018-11-02 |
| 发明（设计）人： | 古万荣;林镇溪;毛宜军;梁早清 | 申请（专利权）人： | 华南农业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/13;A61B8/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 冯炳辉 |
| 地址： | 510642 广*** | 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： | 本发明公开了一种基于faster r‑cnn的甲状腺肿瘤超声图像自动识别方法，包括步骤：对已经标注的甲状腺肿瘤超声图像进行数据增强，增加训练样本的个数和尺度；使用resnet‑50网络模型对图像数据集进行特征提取；使用区域建议网络RPN生成建议窗口(proposals)，并映射到特征图上生成区域建议框；然后通过RoI pooling使得每个RoI生成固定尺寸的特征图；最后利用softmax Loss和softmax L1 Loss对分类概率和边框回归联合训练。本发明方法不需要手工进行肿瘤超声图像分割，能够端到端训练网络，并采用数据增强提高识别率。 | ||
| 搜索关键词： | 甲状腺肿瘤 超声图像 数据增强 自动识别 特征图 边框 超声图像分割 图像数据集 分类概率 使用区域 特征提取 网络模型 训练网络 训练样本 端到端 识别率 映射 标注 尺度 肿瘤 回归 网络 联合 | ||
【主权项】：
1.基于faster r‑cnn的甲状腺肿瘤超声图像自动识别方法，其特征在于，包括以下步骤：步骤S1：对已标注的甲状腺超声肿瘤图片进行划分，得到训练集；步骤S2：对步骤S1中的训练集进行数据增强处理；步骤S3：使用resnet‑50网络模型对步骤S2中的数据进行特征提取；步骤S4：通过区域建议网络RPN结合步骤S3得到的所有特征图，在步骤S2得到的原始图片上生成区域建议框；步骤S5：将步骤S4得到的区域建议框映射到步骤S3中得到的特征图上进行RoI pooling，通过RoI pooling层使得每个RoI生成固定尺寸的特征图；步骤S6：利用softmax Loss和softmax L1Loss对分类概率和边框回归联合训练。
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华南农业大学，未经华南农业大学许可，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/201810309381.X/，转载请声明来源钻瓜专利网。
