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。

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