[发明专利]改进S-DNet神经网络模型的乳腺X射线图像的分类方法有效
| 申请号： | 201910676268.X | 申请日： | 2019-07-25 |
| 公开（公告）号： | CN110738231B | 公开（公告）日： | 2022-12-27 |
| 发明（设计）人： | 李化;李延涛;李强 | 申请（专利权）人： | 太原理工大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/82;G06V10/20;A61B6/00;G06N3/04;G06N3/08 |
| 代理公司： | 太原晋科知识产权代理事务所(特殊普通合伙) 14110 | 代理人： | 任林芳 |
| 地址： | 030024 *** | 国省代码： | 山西;14 |
| 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改进S‑DNet神经网络模型的乳腺X射线图像的分类方法，通过对S‑DNet神经网络模型改进，实现乳腺X射线图像的良恶性分类，提出了一种新的神经网络模型，称为S‑DNet神经网络模型。首先通过对图像进行去背景，去除无用的信息；其次，提高了网络模型的准确率；最后进行训练策略确定。通过本发明，不仅可以提高诊断效率，还能为医生提供更加客观、准确的诊断结果，因而具有重要的临床应用价值。 | ||
| 搜索关键词： | 改进 dnet 神经网络 模型 乳腺 射线 图像 分类 方法 | ||
【主权项】：
1.一种基于改进S-DNet神经网络模型的乳腺X射线图像的分类方法，其特征在于，包括：/n获取已标记的乳腺X射线图像，并对其进行图像预处理；/n基于DenseNet神经网络模型，构建改进的S-DNet神经网络模型；其中，改进的S-DNet神经网络模型为并列双层结构，第一层为DenseNet神经网络模型，第二层为普通卷积神经网络；/n将预处理后的乳腺X射线图像输入到改进的S-DNet神经网络模型中，对改进的S-DNet神经网络模型进行训练，验证和测试；其中，训练的学习率设定为0.01，迭代次数设定为10次，学习方式采用step学习方式；/n将待分类的乳腺X射线图像输入训练好的改进的S-DNet神经网络模型中，对待分类的乳腺X射线图像进行标记，完成对乳腺X射线图像的分类。/n
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太原理工大学，未经太原理工大学许可，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/201910676268.X/，转载请声明来源钻瓜专利网。
