[发明专利]一种基于卷积神经网络的三维肺结节识别方法有效
| 申请号： | 201811243707.X | 申请日： | 2018-10-24 |
| 公开（公告）号： | CN109544510B | 公开（公告）日： | 2021-10-26 |
| 发明（设计）人： | 黄文恺;彭广龙;胡凌恺;薛义豪;倪皓舟;何杰贤;朱静;吴羽 | 申请（专利权）人： | 广州大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 裘晖;林梅繁 |
| 地址： | 510006 广东省广*** | 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： | 本发明涉及医学图像分析领域和深度学习领域，为基于卷积神经网络的三维肺结节识别方法，包括步骤：肺部三维CT图像数据集预处理，将预处理后的CT图像数据集分成训练数据集和测试数据集；建立DenseNet和SENet相结合的神经网络模型，并设置其超参数；将训练数据集导入神经网络模型中，采用随机梯度下降算法和学习率逐步递减的方式进行训练，待模型充分收敛之后，保存并导出模型结构和权重参数，得到训练好的神经网络模型；用神经网络模型对测试数据集中每组三维CT图像进行测试，得到肺结节识别结果。该方法可分析出三维CT影像中是否含有肺结节及其具体位置，解决了深度卷积神经网络可能出现梯度消失、梯度爆炸或退化问题导致肺结节识别准确率低的问题。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 三维 结节 识别 方法 | ||
【主权项】：
1.一种基于卷积神经网络的三维肺结节识别方法，其特征在于，包括步骤：S1、肺部三维CT图像数据集预处理，将预处理后的CT图像数据集分成训练数据集和测试数据集；S2、建立DenseNet和Squeeze‑and‑Excitation Net相结合的神经网络模型；S3、设置由S2得到的神经网络模型的超参数；S4、将训练数据集导入由S3设置好的神经网络模型中，采用随机梯度下降算法和学习率逐步递减的训练方式进行训练，待模型充分收敛之后，保存并导出模型结构和权重参数，得到训练好的神经网络模型；S5、用训练好的神经网络模型对测试数据集中每组三维CT图像进行测试，得到每组三维CT图像中的肺结节识别结果。
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广州大学，未经广州大学许可，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/201811243707.X/，转载请声明来源钻瓜专利网。
