申请/专利权人:慧影医疗科技(北京)股份有限公司
申请日:2021-08-27
公开(公告)日:2024-05-07
公开(公告)号:CN113762265B
主分类号:G06V10/26
分类号:G06V10/26;G06V10/774;G06V10/764;G06T7/00;G06V10/82;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.05.07#授权;2022.03.11#著录事项变更;2021.12.24#实质审查的生效;2021.12.07#公开
摘要:本发明公开了一种肺炎的分类分割方法及系统,涉及图像处理技术领域。该方法包括:获取预设数量的包含肺炎的肺部CT图像并构建训练集;通过训练集对预设的卷积神经网络进行训练,并通过损失函数对训练得到的输出结果进行迭代优化,卷积神经网络的输入为肺部CT图像,输出为肺炎区域、肺炎类别和肺炎征象;获取待处理的肺部CT图像,将待处理的肺部CT图像输入到优化后的卷积神经网络中,得到待处理的肺部CT图像的肺炎区域和肺炎类别。本发明提升了模型的准确性以及学习效率,进而提升分类与分割的准确度。
主权项:1.一种肺炎的分类分割方法,其特征在于,包括:获取预设数量的包含肺炎的肺部CT图像并构建训练集;获取预设数量的包含肺炎的肺部CT图像,对每张肺部CT图像中的肺炎区域进行标注,并对肺炎区域的肺炎类别和肺炎征象进行标注;将标注后的预设数量的肺部CT图像作为训练集;通过所述训练集对预设的卷积神经网络进行训练,通过所述卷积神经网络提取所述训练集中肺部CT图像的图像特征;基于所述图像特征,分别进行:处理一:上采样,确定所述图像特征的肺炎区域预测;处理二:下采样、全连接和激活函数处理,确定所述图像特征的肺炎三分类的预测类别;处理三:下采样,并通过预设的N个全连接层确定所述图像特征是否存在对应的肺炎征象;其中,N为肺炎征象的数量;并通过损失函数对训练得到的输出结果进行迭代优化,所述卷积神经网络的输入为肺部CT图像,输出为肺炎区域、肺炎类别和肺炎征象;获取待处理的肺部CT图像,将所述待处理的肺部CT图像输入到优化后的所述卷积神经网络中,得到所述待处理的肺部CT图像的肺炎区域和肺炎类别。
全文数据:
权利要求:
百度查询: 慧影医疗科技(北京)股份有限公司 肺炎的分类分割方法及系统
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。