[发明专利]基于卷积神经网络的阿尔茨海默病变区域的检测方法在审
| 申请号： | 201910149445.9 | 申请日： | 2019-02-28 |
| 公开（公告）号： | CN109934804A | 公开（公告）日： | 2019-06-25 |
| 发明（设计）人： | 梅宇;黄旗明;程旭辉 | 申请（专利权）人： | 北京科技大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04 |
| 代理公司： | 北京市广友专利事务所有限责任公司 11237 | 代理人： | 张仲波 |
| 地址： | 100083*** | 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： | 本发明公开了一种基于卷积神经网络的阿尔茨海默病变区域的检测方法，将病灶检测任务分成提取特征，病灶定位和病灶分类三步。本发明的步骤是训练改进的AlexNet神经网络模型，用于提取原始脑部核磁共振图像的特征，生成特征图；然后训练区域生成网络模型，生成proposal，用于定位出脑部核磁共振图像的病变区域；接着将特征图和proposal送入后续分类网络进行分类训练，用于分类病变区域处于哪个发病阶段。结果表明，本发明对脑部核磁共振图像的阿尔茨海默病变区域有较好的检测效果。 | ||
| 搜索关键词： | 阿尔茨海默病 核磁共振图像 脑部 卷积神经网络 病变区域 特征图 病灶 分类 检测 神经网络模型 病灶检测 发病阶段 分类网络 区域生成 提取特征 网络模型 送入 改进 | ||
【主权项】：
1.一种基于卷积神经网络的阿尔茨海默病变区域的检测方法,该方法是针对脑部核磁共振图像,包括如下步骤：训练改进的AlexNet神经网络模型，用于提取原始脑部核磁共振图像的特征，生成特征图；训练区域生成网络模型，生成proposal，用于定位出脑部核磁共振图像的病变区域；将特征图和proposal送入后续分类网络进行分类训练；利用训练好的整个网络模型对输入脑部核磁共振图像进行阿尔茨海默病变区域的检测。
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北京科技大学，未经北京科技大学许可，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/201910149445.9/，转载请声明来源钻瓜专利网。
