[发明专利]一种基于区域全连接神经网络病灶检测方法在审
| 申请号： | 201910313963.X | 申请日： | 2019-04-18 |
| 公开（公告）号： | CN110070527A | 公开（公告）日： | 2019-07-30 |
| 发明（设计）人： | 雷章明;汤桢伟 | 申请（专利权）人： | 成都雷熵科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 成都乐易联创专利代理有限公司 51269 | 代理人： | 高炜丽 |
| 地址： | 610000 四川*** | 国省代码： | 四川;51 |
| 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区域全连接神经网络病灶检测方法，包括如下步骤：(1)获取带有病灶信息的样本图像，并对样本图像做预处理后构建3D分层图像；(2)使用深度特征提取网络VGG从3D分层图像的每层图像特征中提取特征序列；(3)利用RPN网络从每层图像特征中提取的特征序列中提取病灶区域，同时利用卷积层将每层图像特征中提取的特征序列feature maps合并为3D feature maps；(4)利用ROI池化层从病灶区域和3D feature maps得到统一大小病灶区域的feature maps；(5)再通过全连接层将统一大小病灶区域的feature maps映射到样本图像并输出已标记病灶区域的图像。本发明通过将3D卷积神经网络与RPN网络相结合实现对CT影像中的病灶信息进行识别和标记，且准确率可达85％以上。 | ||
| 搜索关键词： | 病灶区域 图像特征 样本图像 病灶检测 神经网络 特征序列 图像 病灶 预处理 卷积神经网络 网络 深度特征 提取特征 连接层 准确率 池化 构建 卷积 映射 统一 合并 输出 | ||
【主权项】：
1.一种基于区域全连接神经网络病灶检测方法，其特征在于包括如下步骤：(1)获取带有病灶信息的样本图像，并对样本图像做预处理后构建3D分层图像，图像大小512×512×3×M，M表示3D分层图像数量；(2)使用深度特征提取网络VGG从3D分层图像的每层图像特征中提取特征序列feature maps；(3)利用RPN网络从每层图像特征中提取的特征序列feature maps中提取病灶区域，同时利用卷积层将每层图像特征中提取的特征序列feature maps合并为3D feature maps；(4)利用ROI池化层从病灶区域和3D feature maps得到统一大小病灶区域的feature maps；(5)再通过全连接层将统一大小病灶区域的feature maps映射到样本图像并输出已标记病灶区域的图像。
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成都雷熵科技有限公司，未经成都雷熵科技有限公司许可，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/201910313963.X/，转载请声明来源钻瓜专利网。
