[发明专利]基于深度学习的胰腺癌肿瘤自动识别系统、计算机设备、存储介质有效
| 申请号： | 201811026043.1 | 申请日： | 2018-09-04 |
| 公开（公告）号： | CN109242844B | 公开（公告）日： | 2021-08-06 |
| 发明（设计）人： | 孙品;刘尚龙;卢云;李帅 | 申请（专利权）人： | 青岛大学附属医院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 青岛易维申知识产权代理事务所(普通合伙) 37310 | 代理人： | 于正友 |
| 地址： | 266000 山*** | 国省代码： | 山东;37 |
| 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的胰腺癌肿瘤自动识别系统，属于图像识别技术领域。该系统包括深度学习模型，所述深度学习模型包括：特征提取网络、区域生成网络和Fast R‑CNN目标检测网络；所述特征提取网络用于对胰腺癌肿瘤的图像特征进行抽象，并生成卷积特征图；所述区域生成网络用于对所述卷积特征图中存在的所有特征进行滑动扫描，在每个滑动窗口位置选出多个候选区域，所述候选区域为可能的胰腺癌肿瘤区域；所述Fast R‑CNN目标检测网络用于对卷积特征图以及生成的候选区域进行进一步回归与分类，最终输出胰腺癌肿瘤区域的位置以及概率。本发明的系统可以完成病变组织的跟踪识别，减少人工操作，处理速度快，准确度高。 | ||
| 搜索关键词： | 基于 深度 学习 胰腺癌 肿瘤 自动识别 系统 计算机 设备 存储 介质 | ||
【主权项】：
1.一种基于深度学习的胰腺癌肿瘤自动识别系统，其特征在于，包括深度学习模型，所述深度学习模型包括：特征提取网络、区域生成网络和Fast R‑CNN目标检测网络；所述特征提取网络用于对胰腺癌肿瘤的图像特征进行抽象，并生成卷积特征图；所述区域生成网络用于对所述卷积特征图中存在的所有特征进行滑动扫描，在每个滑动窗口位置选出多个候选区域，所述候选区域为可能的胰腺癌肿瘤区域；所述Fast R‑CNN目标检测网络用于对卷积特征图以及所述候选区域进行进一步回归与分类，最终输出胰腺癌肿瘤区域的位置以及概率。
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青岛大学附属医院，未经青岛大学附属医院许可，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/201811026043.1/，转载请声明来源钻瓜专利网。
