[发明专利]基于人工智能的骨骼形变分析方法在审
| 申请号： | 201810998288.4 | 申请日： | 2018-08-29 |
| 公开（公告）号： | CN109191445A | 公开（公告）日： | 2019-01-11 |
| 发明（设计）人： | 金戈 | 申请（专利权）人： | 极创智能（北京）健康科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/60;G06N3/04 |
| 代理公司： | 北京知呱呱知识产权代理有限公司 11577 | 代理人： | 武媛;吕学文 |
| 地址： | 100000 北京市昌平区回龙*** | 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： | 基于人工智能的骨骼形变分析方法，将素材模型按照给定比例划分成训练集、验证集和测试集；获得预训练基础模型，通过特征提取器将图片转化为高维度的特征向量并作为预训练基础模型的输入进行迁移学习训练；通过验证集对预训练基础模型进行局部关联、权值共享、多核卷积和池化数据降维，卷积神经网络由最后一层开始逐层向前反向传播进行权值的调整，将学习到的特征转化为概率结果进行分类识别，并在卷积神经网络的全连接层里连接所有的特征，将输出值送给分类器；将预训练基础模型应用到验证集得到模型的输出结果，通过将测试集数据输入至训练好的模型利用正确率来测试模型性能。本发明增加骨骼类形变分析结果正确率，降低人力成本。 | ||
| 搜索关键词： | 基础模型 形变分析 验证集 骨骼 卷积神经网络 人工智能 正确率 测试集数据 特征提取器 测试模型 反向传播 分类识别 概率结果 人力成本 输出结果 数据降维 特征向量 特征转化 图片转化 学习训练 测试集 分类器 连接层 训练集 池化 多核 高维 卷积 迁移 素材 关联 输出 共享 应用 学习 | ||
【主权项】：
1.基于人工智能的骨骼形变分析方法，其特征在于：所述分析方法包括以下步骤：步骤一：收集骨骼X光片样本形成素材库，并根据病变位置对骨骼X光片进行标记，将标记完成的骨骼X光片生成素材模型；步骤二：将生成的骨骼X光片素材模型按照给定比例划分成训练集、验证集和测试集；步骤三：对训练集中的骨骼X光片图像数据进行预处理，基于卷积神经网络获得预训练基础模型，通过特征提取器将图片转化为高维度的特征向量并作为预训练基础模型的输入进行迁移学习训练；步骤四：通过验证集对预训练基础模型进行局部关联、权值共享、多核卷积和池化数据降维，卷积神经网络由最后一层开始逐层向前反向传播进行权值的调整，将学习到的特征转化为概率结果进行分类识别，并在卷积神经网络的全连接层里连接所有的特征，将输出值送给分类器；步骤五：在训练若干周期后，将预训练基础模型应用到验证集得到模型的输出结果，通过将测试集数据输入至训练好的模型利用正确率来测试模型性能。
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极创智能（北京）健康科技有限公司，未经极创智能（北京）健康科技有限公司许可，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/201810998288.4/，转载请声明来源钻瓜专利网。
