申请/专利权人:重庆大学
申请日:2020-12-10
公开(公告)日:2024-04-09
公开(公告)号:CN112634210B
主分类号:G06F30/27
分类号:G06F30/27
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2021.04.27#实质审查的生效;2021.04.09#公开
摘要:本发明涉及一种基于三维CT影像的肺结节检测方法,属于图像处理领域。该方法包括以下步骤:S1:构建数据集及其预处理;S2:搭建肺结节检测训练模型;S3:使用经过强化的CT图像数据集训练网络模型;S4:使用训练完成的网络模型在测试集上进行预测。采用多种CT图像数据增强方法和新型深度卷积神经网络结构,充分利用三维肺部CT影像的空间信息,优化神经网络参数规模,既保证了各尺寸等级肺结节检测的查准率和查全率,也明显提升了检测效率,使得算法的实用性有了巨大提升。
主权项:1.一种基于三维CT影像的肺结节检测方法,其特征在于:该方法包括以下步骤:S1:构建数据集及其预处理;S2:搭建肺结节检测训练模型;所述S2具体为:检测模型以CSPDarknet53作为骨干网络BackBone搭建深度神经网络,在原Darknet的残差块添加跨阶段部分连接结构CSP;网络中对BackBone隐层输入特征图的各个通道使用DropBlock正则化方法以防止网络过拟合;网络的特征金字塔环节使用SPP-block实现CT图像多感受野特征提取以分离出更显著的多尺度特征;使用PAN-block完成多尺度特征融合,提升网络对不同尺寸等级的肺结节的检测能力;网络激活函数由LeakyReLU替换为Mish;S3:使用经过强化的CT图像数据集训练网络模型;S4:使用训练完成的网络模型在测试集上进行预测。
全文数据:
权利要求:
百度查询: 重庆大学 一种基于三维CT影像的肺结节检测方法
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。