[发明专利]一种基于深度神经网络提取表观和几何特征的肺部纹理识别方法有效
| 申请号： | 201810206846.9 | 申请日： | 2018-03-14 |
| 公开（公告）号： | CN108428229B | 公开（公告）日： | 2020-06-16 |
| 发明（设计）人： | 徐睿;叶昕辰;丛臻 | 申请（专利权）人： | 大连理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/40;G06N3/04 |
| 代理公司： | 大连理工大学专利中心 21200 | 代理人： | 陈玲玉 |
| 地址： | 116024 辽*** | 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： | 本发明公开了一种基于深度神经网络提取表观和几何特征的肺部纹理识别方法，属于医学图像处理和计算机视觉领域。以217个肺部三维计算机断层扫描(CT)图像为源数据，经过预处理得到若干组数据集合，其中每组数据包含一个CT图像小块、相应的几何信息图像小块和一个类别标签。构建双通道残差网络框架，分别以CT图像小块和相应的几何信息小块为各个通道的输入，通过双通道残差网络分别学习肺部纹理的表观信息和几何信息，并将其有效融合，从而得到较高的识别率。此外，所提出的网络结构清晰，容易构建，易于实现。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 提取 表观 几何 特征 肺部 纹理 识别 方法 | ||
【主权项】：
1.一种基于深度神经网络提取表观和几何特征的肺部纹理识别方法，其特征在于，包括下列步骤：1)准备初始数据：初始数据包括用来训练、验证和测试的肺部纹理CT图像小块、对应的几何信息图像小块和对应的类别标签；2)双通道残差网络的构建：基于残差网络中跳跃结构的思想，构建一个18层的双通道残差网络；3)基于步骤2)得到双通道残差网络进行训练。
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大连理工大学，未经大连理工大学许可，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/201810206846.9/，转载请声明来源钻瓜专利网。
