[发明专利]一种基于卷积神经网络的CT影像分类方法、装置及介质在审
| 申请号： | 201910382463.1 | 申请日： | 2019-05-08 |
| 公开（公告）号： | CN110287982A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 裴曦;徐榭 | 申请（专利权）人： | 中国科学技术大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 周天宇 |
| 地址： | 230026 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于卷积神经网络的CT影像分类方法、装置及介质，方法包括：S1，构建卷积神经网络，卷积神经网络包括特征提取层(100)、特征处理层(200)以及数据拼接层(300)；S2，获取多张已知分类结果的CT影像作为样本数据，将样本数据输入至卷积神经网络以实现对卷积神经网络的训练；S3，将待分类的CT影像输入至训练完成的卷积神经网络，实现CT影像的分类。通过构建深度卷积神经网络，实现对CT影像中内容的快速自动识别，分类速度快、算法稳定、鲁棒性强。 | ||
| 搜索关键词： | 卷积神经网络 分类 样本数据 构建 分类结果 快速自动 数据拼接 算法稳定 特征处理 特征提取 鲁棒性 | ||
【主权项】：
1.一种基于卷积神经网络的CT影像分类方法，包括：S1，构建卷积神经网络，所述卷积神经网络包括特征提取层(100)、特征处理层(200)以及数据拼接层(300)，其中，特征提取层(100)，用于提取所述CT影像中的特征生成特征矩阵；特征处理层(200)，用于提取所述特征矩阵中的特征，包括第一通道(201)、第二通道(202)、第三通道(203)以及第四通道(204)，其中，所述第一通道(201)用于提取所述特征矩阵的第一特征，第二通道(202)用于提取所述特征矩阵的第二特征，第三通道(203)用于提取所述特征矩阵的第三特征，第四通道(204)用于提取所述特征矩阵的第四特征；数据拼接层(300)，用于对所述第一通道(201)、第二通道(202)、第三通道(203)以及第四通道(204)提取的第一特征、第二特征、第三特征以及第四特征进行拼接；S2，获取多张已知分类结果的CT影像作为样本数据，将所述样本数据输入至所述卷积神经网络以实现对所述卷积神经网络的训练；S3，将待分类的CT影像输入至训练完成的所述卷积神经网络，实现所述CT影像的分类。
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中国科学技术大学，未经中国科学技术大学许可，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/201910382463.1/，转载请声明来源钻瓜专利网。
