申请/专利权人:上海大学
申请日:2023-12-28
公开(公告)日:2024-04-09
公开(公告)号:CN117853795A
主分类号:G06V10/764
分类号:G06V10/764;G16H50/30;G16H50/20;G06V10/82;G06N3/0455;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于深度学习的肺癌预测方法,其特征在于,包括以下步骤:首先,通过结节检测的技术从CT扫描中识别出肺结节;接着,利用结节恶性分类算法评估这些结节是否恶性;最后,结合这些信息预测肺癌的概率。本发明针对肺结节良恶性判断任务提出了一个新的网络结构,新网络通过编码器的方式考虑了结节以及上下文特征的空间信息,使其能充分使用CT图像的潜在信息,以便作出更好的预测,本发明有助于提升肺癌图像的自动化识别准确率,进而提升医师的工作效率。
主权项:1.一种基于深度学习的肺癌预测方法,其特征在于,包括以下步骤:1首先,通过结节检测的技术从CT扫描中识别出肺结节;2接着,利用结节恶性分类算法评估这些结节是否恶性;3最后,结合这些信息预测肺癌的概率。
全文数据:
权利要求:
百度查询: 上海大学 基于深度学习的肺癌预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。