申请/专利权人:三峡大学
申请日:2024-01-10
公开(公告)日:2024-04-30
公开(公告)号:CN117952921A
主分类号:G06T7/00
分类号:G06T7/00;G06T7/11;G06T5/70;G06T5/90;G06N3/0464;G06N3/048
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:一种基于优化U‑net的早期肺癌图像检测方法,包括如下步骤:S1:数据集准备与预处理:收集多个肺部CT扫描图像,图像数据包括正常和肺癌病例;对图像数据进行处理,处理方法包括调整大小、归一化像素值,并进行去噪和增强对比度处理,为模型训练和测试准备数据;S2:模型训练:将图像数据送入U‑Net的卷积神经网络进行模型训练,并采用LeakyReLU激活函数和注意力机制来增强模型对肺部图像特征的提取和识别能力;本发明解决传统方法在早期肺癌检测中的局限性,尤其是提高对微小病变的识别能力,并减少放射科医生在诊断过程中的工作负担。
主权项:1.一种基于优化U-net的早期肺癌图像检测方法,其特征在于,包括如下步骤:S1:数据集准备与预处理:收集多个肺部CT扫描图像,图像数据包括正常和肺癌病例;对图像数据进行处理,处理方法包括调整大小、归一化像素值,并进行去噪和增强对比度处理,为模型训练和测试准备数据;S2:模型训练:将图像数据送入U-Net的卷积神经网络进行模型训练,并采用LeakyReLU激活函数和注意力机制来增强模型对肺部图像特征的提取和识别能力;S3:模型评估与优化:在独立的测试数据集上评估模型性能,使用准确率、召回率和F1分数指标进行综合评估;根据评估结果对模型进行调整和优化,同时实施网络优化策略,以防止过拟合。
全文数据:
权利要求:
百度查询: 三峡大学 一种基于优化U-net的早期肺癌图像检测方法
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。