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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD