申请/专利权人：重庆大学

申请日：2020-12-10

公开（公告）日：2024-04-12

公开（公告）号：CN112529870B

主分类号：G06F7/544

分类号：G06F7/544

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.04.06#实质审查的生效;2021.03.19#公开

摘要：本发明涉及一种基于源域与频域结合的多尺度CNNs肺结节假阳性剔除方法，属于图像处理领域。包括以下步骤：S1：为减小网络训练时间和占用空间使用基于多视角二维CT图像作为输入；S2：将肺结节图像从源域转换到频域以捕获结节微小变化；S3：提出基于多视角二维CT图像的3D多尺度CNNs框架；S4：肺结节假阳性剔除模型训练损失函数设计。通过基于空域‑频域信息结合的多尺度神经网络框架来增强低像素二维CT图像的表示能力，同时减轻网络的训练负担。

主权项：1.基于源域与频域结合的多尺度CNNs肺结节假阳性剔除方法，其特征在于：包括以下步骤：S1：为减小网络训练时间和占用空间使用基于多视角二维CT图像作为输入；S2：将肺结节图像从源域转换到频域以捕获结节微小变化；S3：提出基于多视角二维CT图像的3D多尺度CNNs框架；S4：肺结节假阳性剔除模型训练损失函数设计；所述S2具体为：S21：按照DCT转换成不同频率系数的DCT数据；DCT频域变换系数设置为2,4,8,20和40；S22：利用L1范数与L2范数之间的关系，分析源域、频域以及两者同时结合的稀疏性，以便于观察系数为多少时，结节组织信息的增强与防止被血管或肺组织阻塞的结节的缺失细节能力最好；所述S3具体为：S31：提出的3D多尺度CNNs框架包括三种不同尺度的3D-CNN流；每个流输入特定大小的图像，通过结节的形态获取不同的上下文信息和鉴别特征；大尺度输入流会为小尺度输入流提供合适的额外背景信息，利用小尺度流结节区域以外的上下文信息；S32：为缓解由于像素低而造成的空间信息缺失和识别能力差的问题，将多视角的二维图像映射为深度为三的立方体；M·表示将三个不同角度的切片堆叠到深度为3的体积数据的映射函数； 式中，xd3为3D映射层的输出。

全文数据：

权利要求：

百度查询： 重庆大学 基于源域与频域结合的多尺度CNNs肺结节假阳性剔除方法

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