[发明专利]一种面向深度学习模型训练和学习的影像图像数据扩充方法在审
| 申请号： | 201910028616.2 | 申请日： | 2019-01-11 |
| 公开（公告）号： | CN109767440A | 公开（公告）日： | 2019-05-17 |
| 发明（设计）人： | 徐军;谢嘉伟;蔡程飞 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/32;G06K9/62 |
| 代理公司： | 南京钟山专利代理有限公司 32252 | 代理人： | 戴朝荣 |
| 地址： | 210044 江苏*** | 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： | 本发明涉及一种面向深度学习模型训练和学习的影像图像数据扩充方法，属于计算机医学图像计算技术领域。本发明首先判断数据类型，鉴别CT或MRI图像数据；然后对于影像数据，判断是否有划定ROI，并结合肿瘤区域大小，选用相应的方法完成影像数据集的构建；再采用基本的图像变换法对影像数据集进行训练，获得初步训练数据集；最后对初步训练数据集进行数据扩充，再采用网络模型进行深度训练，最后进行概率预测。本发明基于人工智能的深度学习，将一系列数据扩充的方法应用在医学图像处理领域的深度模型训练的学习上，解决由医学图像数据异质性而导致的异常数据的影响，有助于计算机辅助诊断，提高诊断效率和准确率。 | ||
| 搜索关键词： | 数据扩充 影像数据 训练数据集 学习 模型训练 影像图像 计算机辅助诊断 计算技术领域 医学图像处理 医学图像数据 人工智能 概率预测 判断数据 深度模型 图像变换 网络模型 医学图像 异常数据 肿瘤区域 异质性 准确率 构建 鉴别 诊断 计算机 | ||
【主权项】：
1.一种面向深度学习模型训练和学习的影像图像数据扩充方法，其特征在于：包括以下步骤：(1)判断数据类型，鉴别CT或MRI图像数据；(2)对于影像数据，判断是否有划定ROI，并结合肿瘤区域大小，选用相应的方法完成影像数据集的构建；(3)采用基本的图像变换法对影像数据集进行训练，获得初步训练数据集；(4)使用训练好的模型，针对新的一批患者数据，能有效提升网络模型的鲁棒性和各类性能。
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南京信息工程大学，未经南京信息工程大学许可，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/201910028616.2/，转载请声明来源钻瓜专利网。
