[发明专利]基于卷积神经网络的CT图像骨质状况检测方法及装置在审
| 申请号： | 201910913768.0 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110796636A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 李磊;唐超;张文昆;李子恒;王林元;蔡爱龙;梁宁宁;闫镔;孙艳敏 | 申请（专利权）人： | 中国人民解放军战略支援部队信息工程大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06N3/08;G06N3/04 |
| 代理公司： | 41111 郑州大通专利商标代理有限公司 | 代理人： | 周艳巧 |
| 地址： | 450000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于医学图像识别技术领域，特别涉及一种基于卷积神经网络的CT图像骨质状况检测方法及装置，该方法包含：设计用于对原始CT图像中腰椎部分进行分割，得到标记图像的U‑Net卷积神经网络模型，并设计用于对分割图像进行骨质状况分类的DenseNet卷积神经网络模型；利用临床的训练数据集对两个卷积神经网络进行训练；利用训练后的U‑Net卷积神经网络模型对原始CT图像分割获得相应的标记图像，对原始CT图像和标记图像进行剪切和缩放得到分割图像；利用训练后的DenseNet卷积神经网络模型对分割图像进行分类，得到原始CT图像对应的骨质状况信息。本发明减少对辅助硬件和专门骨质检测流程的依赖，能够快速便捷地实现骨质状况检测，改善临床环境中骨量流失诊断效果。 | ||
| 搜索关键词： | 卷积神经网络 骨质 标记图像 分割图像 状况检测 医学图像识别 训练数据集 辅助硬件 临床环境 状况信息 剪切 分割 分类 骨量 缩放 腰椎 诊断 检测 | ||
【主权项】：
1.一种基于卷积神经网络的CT图像骨质状况检测方法，其特征在于，包含如下内容：/n获取人体腰椎诊断样本数据，该样本数据包含原始腰椎诊断CT图像数据、专业标注标记图像数据和专业诊断骨质状况数据；/n构建用于通过训练学习获取原始腰椎诊断CT图像中标记图像的图像分割神经网络模型和用于通过训练学习对输入图像进行骨质状况判别的图像分类神经网络模型，图像分割神经网络模型输出的标记图像与原始腰椎诊断CT图像通过剪切和缩放获取分割图像，将该分割图像作为图像分类神经网络模型的输入数据；/n利用人体腰椎诊断样本数据对图像分割神经网络模型和图像分类神经网络模型进行训练；/n将待检测CT图像作为训练后的图像分割神经网络模型的输入，获取待检测CT图像的标记图像，通过对待检测CT图像和标记图像进行剪切和缩放，得到分割图像；利用训练后的图像分类神经网络模型对得到的分割图像进行分类判别，获取待检测CT图像对应的骨质状况信息。/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中国人民解放军战略支援部队信息工程大学，未经中国人民解放军战略支援部队信息工程大学许可，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/201910913768.0/，转载请声明来源钻瓜专利网。
