[发明专利]一种基于深度学习的甲状腺结节超声图像分割方法在审
| 申请号： | 201910236399.6 | 申请日： | 2019-03-27 |
| 公开（公告）号： | CN110060235A | 公开（公告）日： | 2019-07-26 |
| 发明（设计）人： | 高洁;高明;牛文倩;徐天一;赵满坤;魏玺;张晟;王臣汉;刘志强;于瑞国;喻梅;尉智辉 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06T7/12;G06N3/04;G06N3/08 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 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甲状腺结节超声图像分割方法，所述方法包括以下步骤：输入原始甲状腺超声图像，通过感兴趣区域语义分割模型获取感兴趣区域预测图，并将预测图对应到原始甲状腺超声图像中提取感兴趣区域；在人工标记识别模型中输入提取到的甲状腺超声图像感兴趣区域，对感兴趣区域中的结节进行粗定位；将粗定位图像输入甲状腺超声图像结节边缘分割模型，得到结节预测图，画出结节边缘。本发明有效克服了甲状腺结节超声图像分辨率低、干扰信息多带来的分割困难、准确率低等问题，最终大幅提高结节分割的准确性。 | ||
| 搜索关键词： | 结节 感兴趣区域 甲状腺超声 甲状腺结节 超声图像分割 粗定位 图像 预测 图像感兴趣区域 边缘分割 超声图像 干扰信息 模型获取 人工标记 图像输入 语义分割 分割 分辨率 准确率 学习 | ||
【主权项】：
1.一种基于深度学习的甲状腺结节超声图像分割方法，其特征在于，所述方法包括以下步骤：输入原始甲状腺超声图像，通过感兴趣区域语义分割模型获取感兴趣区域预测图，并将预测图对应到原始甲状腺超声图像中提取感兴趣区域；在人工标记识别模型中输入提取到的甲状腺超声图像感兴趣区域，对感兴趣区域中的结节进行粗定位；将粗定位图像输入甲状腺超声图像结节边缘分割模型，得到结节预测图，画出结节边缘。
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天津大学，未经天津大学许可，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/201910236399.6/，转载请声明来源钻瓜专利网。
