[发明专利]基于卷积神经网络的超声甲状腺结节钙化点提取算法在审
| 申请号： | 201811327217.8 | 申请日： | 2018-11-08 |
| 公开（公告）号： | CN109493333A | 公开（公告）日： | 2019-03-19 |
| 发明（设计）人： | 林江莉;陈科;韩霖;左东奇 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/136;G06N3/04;G06N3/08 |
| 代理公司： | 成都顶峰专利事务所(普通合伙) 51224 | 代理人： | 陈夏 |
| 地址： | 610000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于卷积神经网络的超声甲状腺结节钙化点提取算法，包括以下步骤：A、准备训练集图像；B、利用所述训练集图像训练卷积神经网络得到最终网络；C、利用所述最终网络对甲状腺结节超声图像中钙化点进行判别。其基于卷积神经网络对钙化特征进行提取，将钙化点的亮度、形态、与周边组织关系以及一些不容易量化的特征融合起来进行判断，避免了传统的仅通过单一亮度特征进行判别导致误判的问题；将输出标签设为一个将钙化特征分割出来的二值分割图像，使得整个网络的参数趋向于使原图映射到该二值分割图像上，最终使得钙化点判别准确率有着明显提高。 | ||
| 搜索关键词： | 钙化 卷积神经网络 甲状腺结节 训练集图像 二值分割 钙化特征 提取算法 超声 图像 超声图像 亮度特征 特征融合 整个网络 传统的 误判 准确率 映射 标签 网络 量化 输出 分割 | ||
【主权项】：
1.基于卷积神经网络的超声甲状腺结节钙化点提取算法，其特征在于：包括以下步骤：A、准备训练集图像；B、利用所述训练集图像训练卷积神经网络，获得最终网络；C、利用所述最终网络对甲状腺结节超声图像中钙化点进行判别。
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四川大学，未经四川大学许可，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/201811327217.8/，转载请声明来源钻瓜专利网。
