[发明专利]基于改进U-net卷积神经网络模型的癌细胞识别方法在审
| 申请号： | 201811068427.X | 申请日： | 2018-09-13 |
| 公开（公告）号： | CN109308695A | 公开（公告）日： | 2019-02-05 |
| 发明（设计）人： | 王永利;郭相威;孙淑荣;刘冬梅;刘森淼;彭姿容;罗靖杰;朱亚涛;朱根伟;张伟 | 申请（专利权）人： | 镇江纳兰随思信息科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06T7/136;G06T7/187 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 薛云燕 |
| 地址： | 212100 江苏省镇江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于改进U‑net卷积神经网络模型的癌细胞检测方法。该方法为：获取癌细胞的医学图像，对于医学图像进行处理，对医学图像中的癌细胞进行标注，构成带有标注的数据集，并将数据集分为训练集、验证集、测试集三个部分；构建U‑net卷积神经网络模型，确定U‑net卷积神经网络模型的参数，在U‑net卷积神经网络模型中载入测试集和验证集，通过深度学习方法从图像上进行特征学习，采用测试和验证相结合的方式，得到训练好的U‑net卷积神经网络模型；将训练好的U‑net卷积神经网络模型进行部署，用于对测试集中的癌细胞进行自动检测。本发明利用底部特征，直接从图像上进行特征学习，有较高的运行效率和自动检测准确度。 | ||
| 搜索关键词： | 卷积神经网络 医学图像 癌细胞 特征学习 自动检测 测试集 数据集 验证集 标注 图像 癌细胞检测 癌细胞识别 测试和验证 运行效率 准确度 训练集 构建 改进 载入 测试 部署 学习 | ||
【主权项】：
1.一种基于改进U‑net卷积神经网络模型的癌细胞检测方法，其特征在于，包括以下步骤：步骤1、获取癌细胞的医学图像；步骤2、对于医学图像进行处理，对医学图像中的癌细胞进行标注，从而构成训练U‑net神经网络模型所需的带有标注的数据集，将标注好的数据集分为训练集、验证集、测试集三个部分；步骤3、构建U‑net卷积神经网络模型，确定U‑net卷积神经网络模型的参数，在U‑net卷积神经网络模型中载入测试集和验证集，通过深度学习方法从图像上进行特征学习，采用测试和验证相结合的方式，得到训练好的U‑net卷积神经网络模型；步骤4、将训练好的U‑net卷积神经网络模型进行部署，用于对测试集中的癌细胞进行自动检测。
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镇江纳兰随思信息科技有限公司，未经镇江纳兰随思信息科技有限公司许可，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/201811068427.X/，转载请声明来源钻瓜专利网。
