[发明专利]基于深度学习的锁骨上臂丛神经的识别方法及其系统在审
| 申请号： | 201910665566.9 | 申请日： | 2019-07-23 |
| 公开（公告）号： | CN110276417A | 公开（公告）日： | 2019-09-24 |
| 发明（设计）人： | 王英伟;杨笑宇;李根娣;郭婷;沈雅芳;关庆来;邹颖华;王婷婷 | 申请（专利权）人： | 王英伟 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G16H50/20 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 200433 上海市杨*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及神经超声图像识别技术领域，公开了基于深度学习的锁骨上臂丛神经的识别方法及其系统，方法包括预处理锁骨上臂丛神经的原始医学图像，构成训练PixelCNN++卷积神经网络模型所需的训练图像；构建卷积神经网络，使用PixelCNN++算法构建卷积神经网络,在PixelCNN++卷积神经网络模型中载入训练集，确定PixelCNN++卷积神经网络的模型参数，部署训练好的PixelCNN++卷积神经网络模型；既能增加识别的准确率，又能增加后续相似图像的识别速度，识别更加准确、高效。 | ||
| 搜索关键词： | 卷积神经网络 锁骨 上臂 神经 原始医学图像 预处理 超声图像 模型参数 算法构建 相似图像 训练图像 训练集 准确率 构建 载入 学习 部署 | ||
【主权项】：
1.一种基于深度学习的锁骨上臂丛神经的识别方法，其特征在于，包括如下步骤：步骤S1：获取锁骨上臂丛神经的原始医学图像组；步骤S2：预处理原始医学图像组，构成训练PixelCNN++卷积神经网络模型所需的带有标注的训练图像，将标注好的图像分为训练集、测试集和调优集；步骤S3：对训练集中的医学图像组进行扩充和特征增强，计算生成新的图像并添加进训练集当中；步骤S4：构建卷积神经网络，使用PixelCNN++算法构建卷积神经网络,在PixelCNN++卷积神经网络模型中载入训练集，确定PixelCNN++卷积神经网络的模型参数，进行特征学习，得到训练好的PixelCNN++卷积神经网络模型并保存；步骤S5：部署训练好的PixelCNN++卷积神经网络模型，识别并标记医学图像中的锁骨上臂丛神经。
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王英伟，未经王英伟许可，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/201910665566.9/，转载请声明来源钻瓜专利网。
