[发明专利]一种基于深度学习的CT肺结节检测装置有效
| 申请号： | 201810217568.7 | 申请日： | 2018-03-16 |
| 公开（公告）号： | CN108446730B | 公开（公告）日： | 2021-05-28 |
| 发明（设计）人： | 张荣国;孙蒙蒙;王少康;陈宽 | 申请（专利权）人： | 推想医疗科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 北京戈程知识产权代理有限公司 11314 | 代理人： | 程伟;甄雁翔 |
| 地址： | 100085 北京市海淀*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的CT肺结节检测方法。该方法包括以下步骤：S1：获取用户的3D肺部CT序列影像；S2：将获取的3D肺部CT序列影像处理为2D图像数据；S3：将2D图像数据输入至预设的深度学习网络模型进行训练，从而得到训练好的肺结节检测模型；S4：将测试的3D肺部CT序列影像输入至训练好的肺结节检测模型，从而得到初步的肺结节检测结果；S5：对于初步的肺结节检测结果，利用基于深度学习的肺区域分割算法来去除假阳性肺结节，从而得到最终的肺结节检测结果。本发明可以实现对肺结节的检测，充分利用了CT序列映像的3D信息，将3D信息融入到2D的深度学习网络结构中，避免了应用3D深度学习网络带来的过拟合以及对计算资源的过度依赖。 | ||
| 搜索关键词： | 一种 基于 深度 学习 ct 结节 检测 装置 | ||
【主权项】：
1.一种基于深度学习的CT肺结节检测方法，其特征在于包括以下步骤：S1：获取用户的3D肺部CT序列影像；S2：将获取的3D肺部CT序列影像处理为2D图像数据；S3：将2D图像数据输入至预设的深度学习网络模型进行训练，从而得到训练好的肺结节检测模型；S4：将测试的3D肺部CT序列影像输入至训练好的肺结节检测模型，从而得到初步的肺结节检测结果；S5：对于初步的肺结节检测结果，利用基于深度学习的肺区域分割算法来去除假阳性肺结节，从而得到最终的肺结节检测结果。
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推想医疗科技股份有限公司，未经推想医疗科技股份有限公司许可，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/patent/201810217568.7/，转载请声明来源钻瓜专利网。
- 上一篇：基于卷积神经网络的鸡蛋胚胎分类方法
- 下一篇：一种内容去重的方法及装置
