[发明专利]一种基于聚类算法和卷积神经网络的肺实质提取方法有效
| 申请号： | 201710712015.4 | 申请日： | 2017-08-18 |
| 公开（公告）号： | CN107507197B | 公开（公告）日： | 2020-11-24 |
| 发明（设计）人： | 齐守良;徐明杰;杨帆;钱唯 | 申请（专利权）人： | 东北大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06K9/34;G06K9/62 |
| 代理公司： | 沈阳东大知识产权代理有限公司 21109 | 代理人： | 李运萍 |
| 地址： | 110819 辽宁*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于聚类算法和卷积神经网络的肺实质提取方法，本发明采用聚类算法对肺部CT图像进行预处理，得到CT图像的肺实质区域和非肺实质区域的数据集，将已知的肺部CT图像的数据集划分为训练集和验证集，将未知的肺部CT图像的数据集作为测试集；建立卷积神经网络模型，采用训练集和验证集数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；将测试集输入训练后的卷积神经网络模型中，得到CT图像肺实质区域，实现了对未知患者的肺部CT图像进行肺实质区域提取功能，并对下一阶段自动搜寻肺癌区域垒下基础，有助于下一阶段的肺癌提取、分类。 | ||
| 搜索关键词： | 一种 基于 算法 卷积 神经网络 实质 提取 方法 | ||
【主权项】：
一种基于聚类算法和卷积神经网络的肺实质提取方法，其特征在于，包括以下步骤：步骤1：采用聚类算法对肺部CT图像进行预处理，得到CT图像的肺实质区域和非肺实质区域的数据集，将已知的肺部CT图像的数据集划分为训练集和验证集，将未知的肺部CT图像的数据集作为测试集；步骤2：建立卷积神经网络模型，采用训练集和验证集数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；步骤3：将测试集输入训练后的卷积神经网络模型中，得到CT图像肺实质区域。
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东北大学，未经东北大学许可，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/201710712015.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种客户端上传及处理图片的方法
- 下一篇：飞机图像探测及追踪方法
