[发明专利]一种基于深度卷积神经网络的骨折图像自动分类系统

权利要求书

1.一种基于深度卷积神经网络的骨折图像自动分类系统，其特征在于，包括以下构建及训练步骤：

S1：通过三维影像处理软件DMS构建训练用骨折图像数据库，按照骨折分型对每个训练数据做分类标签；

S2：对所有骨折图像做统一的预处理；

S3：构建自定义的深度卷积神经网络；

S4：设置预定训练参数，使用数据进行训练，并使用测试数据进行测试；其中，将训练数据依次输入深度卷积神经网络中，进行训练；

S5：输入新数据，进行预测；

当结果预测正确时，将该正确结果加入训练数据库，再次重复训练；

当结果预测错误时，人工校准该错误结果，并将校准后的正确结果加入训练数据库，再次重复训练。

2.根据权利要求1所述的基于深度卷积神经网络的骨折图像自动分类系统，其特征在于，在S1中，三维影像处理软件对骨折CT的数据进行三维重建后，以典型的骨折面面对屏幕截图，存入骨折图像数据库中。

3.根据权利要求1所述的基于深度卷积神经网络的骨折图像自动分类系统，其特征在于，在S2中，数据经过预处理转化为图像特征鲜明的梯度图。

4.根据权利要求1所述的基于深度卷积神经网络的骨折图像自动分类系统，其特征在于，在S4中，设置预定训练参数后，打乱训练数据，对深度卷积神经网络进行上万次算法训练，并验证属于每一种分类的概率结果。