龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：成都成电金盘健康数据技术有限公司;深圳市卫生健康发展研究和数据管理中心;深圳市妇幼保健院
申请日：2024-01-19
公开（公告）日：2024-05-14
公开（公告）号：CN118037644A
主分类号：G06T7/00
分类号：G06T7/00;G06V10/774;G06V10/82;G06N3/0464;G06V10/80;G06V10/25;G06V10/764
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.31#实质审查的生效;2024.05.14#公开
摘要：本发明属于图像处理技术领域，提出了基于卷积网络的乳腺图像中乳腺癌病灶区域的检测方法，包括：训练原始Faster‑RCNN网络，使乳腺图像输入至原始Faster‑RCNN网络后，ROIPooling输出统一候选框尺寸的高阶特征图；构建并训练CDCN网络，将训练的CDCN网络替换掉原始Faster‑RCNN网络中最后分类学习的网络结构的隐藏层和输入层，同时保留ROI分类线性层和ROI目标框回归线性层，训练的CDCN网络用于对高阶特征图的特征融合，并在特征融合后通过ROI分类线性层完成目标类的分类和通过ROI目标框回归线性层完成各目标类候选框的定位；基于目标类的分类结果和目标类候选框的定位结果，选择出乳腺图像中乳腺癌病灶区域，完成乳腺图像中乳腺癌病灶区域的检测。
主权项：1.基于卷积网络的乳腺图像中乳腺癌病灶区域的检测方法，其特征在于，包括如下步骤：下载乳腺图像数据集；通过乳腺图像数据集训练原始Faster-RCNN网络，使乳腺图像输入至原始Faster-RCNN网络后，原始Faster-RCNN网络中的ROIPooling输出统一候选框尺寸的高阶特征图，所述高阶特征图中包含四个目标类的特征信息；构建并训练CDCN网络，将训练的CDCN网络替换掉原始Faster-RCNN网络中最后分类学习的网络结构的隐藏层和输入层，同时保留ROI分类线性层和ROI目标框回归线性层，所述训练的CDCN网络为两个相同的卷积网络，所述训练的CDCN网络用于对高阶特征图的特征融合，并在特征融合后通过ROI分类线性层完成目标类的分类和通过ROI目标框回归线性层完成各目标类候选框的定位；基于目标类的分类结果和目标类候选框的定位结果，选择出乳腺图像中乳腺癌病灶区域，完成乳腺图像中乳腺癌病灶区域的检测。
全文数据：
权利要求：
百度查询： 成都成电金盘健康数据技术有限公司;深圳市卫生健康发展研究和数据管理中心;深圳市妇幼保健院 基于卷积网络的乳腺图像中乳腺癌病灶区域的检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号