[发明专利]一种基于深度学习对胸部CT影像的分类方法在审
| 申请号： | 201810585175.1 | 申请日： | 2018-06-06 |
| 公开（公告）号： | CN108846432A | 公开（公告）日： | 2018-11-20 |
| 发明（设计）人： | 王金强;刘靖峰 | 申请（专利权）人： | 深圳神目信息技术有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06T7/11;G06N3/04 |
| 代理公司： | 武汉蓝宝石专利代理事务所(特殊普通合伙) 42242 | 代理人： | 廉海涛 |
| 地址： | 518000 广东省深圳市龙华区观湖*** | 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： | 本发明涉及一种基于深度学习对胸部CT影像的分类方法，利用当前比较成熟的深度学习方法对胸部CT影像特征进行提取和分析，最终利用已有影像数据集进行训练模型结构，来实现影响疾病判断的多种指标的量化分类，为诊断医生提供量化后的生理指标分类结果，降低职业医生的工作负担以及分析判断难度。 | ||
| 搜索关键词： | 胸部CT 分类 影像 量化 分类结果 分析判断 工作负担 生理指标 训练模型 影响疾病 影像数据 影像特征 职业医生 学习 诊断 医生 成熟 分析 | ||
【主权项】：
1.一种基于深度学习对胸部CT影像的分类方法，其特征在于，包括以下步骤：步骤1，对胸部CT影像进行预处理，从原始的影像样片中分割出完整的含有双肺的主要区域；步骤2，采用3D‑Unet算法对预处理的胸部CT影像中的密集部分进行分割，同时使用卷积神经网络对密集部分影像进行特征提取；步骤3，将提取的密集部分影像特征输入到深度神经网络模型中，对胸部CT影像密集块中的结节位置、密度、最长径和体积进行精检测分类；所述深度神经网络模型的网络结构由多个DenseNet和多个Transition Block的交替组合构成。
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深圳神目信息技术有限公司，未经深圳神目信息技术有限公司许可，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/201810585175.1/，转载请声明来源钻瓜专利网。
