[发明专利]一种基于三维深度学习网络的肺结节良恶性预测方法有效
| 申请号： | 201910392053.5 | 申请日： | 2019-05-13 |
| 公开（公告）号： | CN110084813B | 公开（公告）日： | 2022-05-13 |
| 发明（设计）人： | 董恩清;熊文硕;纪惠中;金叶;倪天骄;薛鹏;韩贺 | 申请（专利权）人： | 山东知微智成电子科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 威海聚睿知识产权代理事务所(普通合伙) 37352 | 代理人： | 丁宏斌 |
| 地址： | 264200 山东省威海市高*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于三维深度学习网络的肺结节良恶性预测方法，属于图像处理领域。包括以下步骤：肺部CT图像预处理以及多分辨输入数据的生成；多分辨3D双通路压缩激励深度学习网络模型的构建；用梯度下降法迭代求得模型参数。本发明采用将双通路网络和压缩激励网络思想相结合的深度学习网络模型，不仅可以对肺结节图像的低阶特征进行重复利用，持续生成新的高阶组合特征，而且可以重新标定特征通道的权值，有效地描述不同特征通道对网络输出的重要程度。本发明采用的3D多分辨数据处理方式可以有效地处理因肺结节的直径不一带来的边界丢失和噪声等问题。 | ||
| 搜索关键词： | 一种 基于 三维 深度 学习 网络 结节 恶性 预测 方法 | ||
【主权项】：
1.一种基于三维深度学习网络的肺结节良恶性预测方法，其特征在于包括以下步骤：S1将肺部CT图像进行灰度重建和层厚重建；S2按肺结节区域的中心O和直径D大小将3D肺结节数据提取并存储，边界超出图像范围或标注不规范图像做筛除处理；S3通过B样条插值算法生成对应的三个分辨率的数据；S4将步骤S3中数据进行标准化和样本扩充后作为训练网络输入；S5构建多分辨3D双通路压缩激励网络；S6采用随机梯度下降法将步骤S4中的数据对应输入网络进行训练和迭代求解；S7进行分类准确率验证。
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山东知微智成电子科技有限公司，未经山东知微智成电子科技有限公司许可，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/201910392053.5/，转载请声明来源钻瓜专利网。
