[发明专利]一种核磁共振图像自动筛选方法在审
| 申请号： | 201710514534.X | 申请日： | 2017-06-29 |
| 公开（公告）号： | CN107346430A | 公开（公告）日： | 2017-11-14 |
| 发明（设计）人： | 高岩;段成德;尹青山 | 申请（专利权）人： | 济南浪潮高新科技投资发展有限公司 |
| 主分类号： | G06K9/40 | 分类号： | G06K9/40;G06K9/62;G06N3/08;G06T5/00 |
| 代理公司： | 济南信达专利事务所有限公司37100 | 代理人： | 姜明 |
| 地址： | 250100 山东省济南市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明特别涉及一种核磁共振图像自动筛选方法。该核磁共振图像自动筛选方法，利用卷积层、池层和全连接层搭建适应核磁共振图像分类问题的CNN模型，并设定目标函数和优化方法；CNN模型先将核磁共振图像进行预处理并标注是否为AD图像，经过预处理的所有核磁共振图像和标注信息组成样本集；使用样本集训练CNN模型自动学习分类筛选的特征，对权重参数进行调整，得到深度神经网络分类器；基于分类筛选的特征即可对核磁共振图像进行分析筛选。该核磁共振图像自动筛选方法，利用深度学习理论训练提高了CNN模型对头部核磁共振图像进行AD图像筛选的准确率。 | ||
| 搜索关键词： | 一种 核磁共振 图像 自动 筛选 方法 | ||
【主权项】：
一种核磁共振图像自动筛选方法，其特征在于：利用卷积层、池层和全连接层搭建适应核磁共振图像分类问题的CNN模型，并设定目标函数和优化方法；CNN模型先将核磁共振图像进行预处理并标注是否为AD图像，经过预处理的所有核磁共振图像和标注信息组成样本集；使用样本集训练CNN模型自动学习分类筛选的特征，对权重参数进行调整，得到深度神经网络分类器；基于分类筛选的特征即可对核磁共振图像进行分析筛选。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于济南浪潮高新科技投资发展有限公司，未经济南浪潮高新科技投资发展有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710514534.X/，转载请声明来源钻瓜专利网。
- 上一篇：混凝土回收机
- 下一篇：图像传感器脏污检测方法
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
