申请/专利权人:五邑大学
申请日:2024-01-23
公开(公告)日:2024-04-26
公开(公告)号:CN117934939A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06V10/26;G06N3/0464;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明实施例提供了一种基于ResNet的肺腺癌CT影像脉管浸润分类方法。其中,方法包括:获取肺腺癌CT图像;对肺腺癌CT图像的病灶区域进行半自动分割,勾画出病灶位置,其中,肺腺癌CT图像为层面图像;对勾画出病灶位置的肺腺癌CT图像进行resample重采样,得到训练数据;采用训练数据对分类模型进行训练,得到训练好的分类模型,并保存最优的权重参数,其中,分类模型为ResNet‑101深度学习网络;将目标肺腺癌CT图像输入至训练好的分类模型,得到肺腺癌脉管浸润分类结果。基于此,本发明能够在CT影像中提高对肺腺癌是否发生脉管浸润的分类精准度。
主权项:1.一种基于ResNet的肺腺癌CT影像脉管浸润分类方法,包括:获取肺腺癌CT图像;对所述肺腺癌CT图像的病灶区域进行半自动分割,勾画出病灶位置,其中,所述肺腺癌CT图像为层面图像;对勾画出病灶位置的肺腺癌CT图像进行resample重采样,得到训练数据;采用训练数据对分类模型进行训练,得到训练好的所述分类模型,并保存最优的权重参数,其中,所述分类模型为ResNet-101深度学习网络;将目标肺腺癌CT图像输入至训练好的所述分类模型,得到肺腺癌脉管浸润分类结果。
全文数据:
权利要求:
百度查询: 五邑大学 基于ResNet的肺腺癌CT影像脉管浸润分类方法
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。