[发明专利]一种基于深度学习的超声甲状腺结节良恶性预测方法在审
| 申请号： | 202110557852.0 | 申请日： | 2021-05-21 |
| 公开（公告）号： | CN113344864A | 公开（公告）日： | 2021-09-03 |
| 发明（设计）人： | 张乾君;朱建新 | 申请（专利权）人： | 江苏乾君坤君智能网络科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 226001 江苏省南通市*** | 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： | |||
| 搜索关键词： | 一种 基于 深度 学习 超声 甲状腺 结节 恶性 预测 方法 | ||
【权利要求书】：
1.一种基于深度学习的超声甲状腺结节良恶性预测方法，其特征在于，包括以下步骤：
S1：采集超声结节图像样本，对超声结节图像样本进行预处理；所述预处理包括图像样本质量改进、图像样本标注数据；
S2：基于图像样本标注数据训练深度神经网络；
S3：将训练完成的深度神经网络用于实时超声图像，得到分割完成的结节区域图像；
S4：基于分割完成的结节区域图像通过结节判定的数据库，标注结节类型，作为结节预测模型的训练样本；
S5：采用前馈神经网络，使用已标注的样本数据作为训练集网络，通过特征选择计算准确率和召回率，反复迭代进行学习训练，选取评估结果最好的网络模型进行输出；
S6：基于训练完成的网络模型，预测甲状腺结节的类型。
2.根据权利要求1所述的基于深度学习的超声甲状腺结节良恶性预测方法，其特征在于，所述S2中，深度神经网络采用U-Net网络。
3.根据权利要求1所述的基于深度学习的超声甲状腺结节良恶性预测方法，其特征在于，所述S5中，前馈神经网络采用卷积神经网络。
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江苏乾君坤君智能网络科技有限公司，未经江苏乾君坤君智能网络科技有限公司许可，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/pat/books/202110557852.0/1.html，转载请声明来源钻瓜专利网。
