[发明专利]一种基于3D卷积神经网络的脑疾病诊断方法在审
| 申请号： | 201910918352.8 | 申请日： | 2019-09-26 |
| 公开（公告）号： | CN110739070A | 公开（公告）日： | 2020-01-31 |
| 发明（设计）人： | 王莉;张鹏;梅雪;沈捷;何毅;曹磊 | 申请（专利权）人： | 南京工业大学 |
| 主分类号： | G16H50/20 | 分类号： | G16H50/20;G06N3/04;G06K9/62 |
| 代理公司： | 32215 南京君陶专利商标代理有限公司 | 代理人： | 严海晨 |
| 地址： | 210009 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于3D卷积神经网络的脑疾病诊断方法，包括：1）获取正常和疾病的MRI脑图像数据样本；2）样本预处理，包括脑组织提取以及样本标准化；3）设计用于脑疾病诊断的3D卷积神经网络；4）MRI脑图像作为3D卷积神经网络的输入，进行网络训练提取出特征建立分类诊断模型；5）待测人员MRI脑图像经过预处理后作为输入送到3D卷积神经网络诊断模型中，得到输出标签，判断是否患病。优点：1）使用3D卷积神经网络建立脑疾病诊断模型，从MRI脑图像中自动学习特征。构建多隐含层的深度学习模型由计算机自动获取精准、有效的特征，最终提高了诊断模型的精度和泛化能力。2）适用于阿尔兹海姆症、抑郁症、儿童多动症等多种不同类型脑疾病的诊断。 | ||
| 搜索关键词： | 卷积神经网络 诊断 脑疾病 脑图像 样本 预处理 儿童多动症 脑图像数据 样本预处理 网络训练 自动获取 自动学习 抑郁症 脑组织 隐含层 构建 标准化 标签 输出 计算机 分类 疾病 学习 | ||
【主权项】：
1.基于3D卷积神经网络的脑疾病诊断方法，其特征是包括以下步骤：/n(1)样本获取：获取MRI脑图像数据，包含正常样本和疾病样本；/n(2)预处理：对所获取的MRI脑图像数据进行预处理，包括脑组织提取以及样本标准化；/n(3)神经网络设计：设计用于脑疾病诊断的3D卷积神经网络；/n(4)特征提取及模型建立：将冠状面、矢状面、横断面的MRI脑图像分别作为3D卷积神经网络的输入，进行网络训练提取出特征并建立分类诊断模型；/n(5)诊断：对待测人员的MRI脑图像进行预处理，得到标准化脑组织，将其作为输入送到训练好的3D卷积神经网络诊断模型中，得到待测者的输出标签，判断其是否患病。/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南京工业大学，未经南京工业大学许可，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/201910918352.8/，转载请声明来源钻瓜专利网。
