[发明专利]基于粒子群算法优化的卷积神经网络对肺结节识别的方法有效
申请号: | 201811252918.X | 申请日: | 2018-10-25 |
公开(公告)号: | CN109544511B | 公开(公告)日: | 2022-01-04 |
发明(设计)人: | 黄文恺;倪皓舟;胡凌恺;薛义豪;彭广龙;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;G06N3/00 |
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: | 本发明属于人工智能与医学影像分析相结合的领域,涉及基于粒子群算法优化的卷积神经网络对肺结节识别的方法,包括以下步骤:获取病人肺部的CT切片图像;对CT切片图像进行预处理,将获取的CT切片图像进行标注,形成数据集;构造卷积神经网络;使用粒子群算法优化卷积神经网络的超参数;利用标注好的数据集对优化后的卷积神经网络进行训练;使用训练完成的卷积神经网络提取肺结节特征。本发明通过粒子群算法对卷积神经网络进行优化,解决了卷积神经网络最优超参数的人工选取难的问题,对于肺结节有很好的识别效果。 | ||
搜索关键词: | 基于 粒子 算法 优化 卷积 神经网络 结节 识别 方法 | ||
【主权项】:
1.基于粒子群算法优化的卷积神经网络对肺结节识别的方法,其特征在于,包括以下步骤:S1、获取病人肺部的CT切片图像;S2、对CT切片图像进行预处理,将获取的CT切片图像进行标注,形成数据集;S3、构造卷积神经网络;S4、使用粒子群算法优化卷积神经网络的超参数;S5、利用标注好的数据集对优化后的卷积神经网络进行训练;S6、使用训练完成的卷积神经网络提取肺结节特征。
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/201811252918.X/,转载请声明来源钻瓜专利网。