[发明专利]卷积神经网络训练方法、超声图像识别定位方法及系统有效
| 申请号： | 201811000281.5 | 申请日： | 2018-08-28 |
| 公开（公告）号： | CN109447940B | 公开（公告）日： | 2021-09-28 |
| 发明（设计）人： | 李祥春;张晟;高明;张强;魏玺;张仑;陈可欣 | 申请（专利权）人： | 天津医科大学肿瘤医院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/73;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 吴梦圆 |
| 地址： | 300060 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种卷积神经网络训练方法、超声图像识别定位方法及系统，该训练方法包括：建立卷积神经网络模型；以ImageNet上训练好的卷积神经网络模型作为起点，以不同网络结/层读取训练数据集中的B超图像，然后用B超图像去进行微调，进行神经网络模型迁移学习；其中，所述训练数据集中的图像来自单中心、多台机器的B超检查图像，并以病理检查结果进行标记；通过回归完成物体位置和类别判定。本发明提供了一种利用迁移学习及深度卷积神经网络实现超声图像，例如甲状腺结节的超声图像的人工智能识别定位系统，大大提高模型的准确率，实现了辅助评估甲状腺结节的良恶性及其定位系统的成型。 | ||
| 搜索关键词： | 卷积 神经网络 训练 方法 超声 图像 识别 定位 系统 | ||
【主权项】：
1.一种用于超声图像识别定位的卷积神经网络的训练方法，其特征在于，包括以下步骤：步骤A，建立卷积神经网络模型；步骤B，以ImageNet上训练好的卷积神经网络模型作为起点，以不同网络结/层读取训练数据集中的B超图像，然后用B超图像去进行微调，进行神经网络模型迁移学习；其中，所述训练数据集中的图像来自单中心、多台机器的B超检查图像，并以病理检查结果进行标记；步骤C，通过回归完成物体位置和类别判定。
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天津医科大学肿瘤医院，未经天津医科大学肿瘤医院许可，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/201811000281.5/，转载请声明来源钻瓜专利网。
