[发明专利]一种基于深度学习的气胸辅助诊断方法在审
| 申请号： | 201811406639.4 | 申请日： | 2018-11-23 |
| 公开（公告）号： | CN109741823A | 公开（公告）日： | 2019-05-10 |
| 发明（设计）人： | 王亚奇;杨龙召;孙玲玲 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G16H50/20 | 分类号： | G16H50/20;G06K9/62;G06N3/08 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 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气胸X胸片辅助诊断方法，本发明先将图像格式转换，接着训练了两个小网络来完成数据集清洗任务，通过随机直方图均衡对X光胸片的数据集进行实时扩增；对扩增后的数据集进行上采样，然后用上采样后的数据进行训练；最后对采用上述方法训练好的网络进行可视化，并对可视化结果进行分析；本发明将深度学习与X光胸片识别相结合，提高气胸诊断的准确率，降低医生的工作量。 | ||
| 搜索关键词： | 数据集 气胸 胸片 辅助诊断 可视化 上采样 扩增 图像格式转换 直方图均衡 小网络 准确率 学习 工作量 清洗 诊断 医生 分析 网络 | ||
【主权项】：
1.一种基于深度学习的气胸辅助诊断方法，其特征在于，该方法包含以下技术步骤：步骤1、图像格式转换，将X光片的dicom格式转换为png图像，对图像进行灰度压缩，根据X光胸片的窗宽窗位将不同位深的灰度图像转化为8位的灰度图像，对缺失值进行填补，将图像缩放到512*512；步骤2、训练了两个清洗网络来完成数据集清洗任务；第一个网络是2分类模型，用来剔除侧位数据，第二个网络分类不同朝向数据；将所有数据依次经过这两个网络完成数据集清洗；两个网络都是采用的NIN；步骤3、设计了19层网络ChestNet；其具体结构如表2；步骤4，通过随机直方图均衡对X光胸片的数据集进行实时扩增；对扩增后的数据集进行上采样，然后用上采样后的数据进行训练；步骤6、将训练好的网络结果进行特征可视化，并对可视化结果进行分析；![]()
![]()
表2。
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杭州电子科技大学，未经杭州电子科技大学许可，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/201811406639.4/，转载请声明来源钻瓜专利网。
