[发明专利]一种从肺部CT图像中提取末端支气管树的方法在审
申请号: | 201910518107.8 | 申请日: | 2019-06-14 |
公开(公告)号: | CN110246126A | 公开(公告)日: | 2019-09-17 |
发明(设计)人: | 李丹 | 申请(专利权)人: | 吉林大学第一医院 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 北京盛凡智荣知识产权代理有限公司 11616 | 代理人: | 刘晓晖 |
地址: | 130000 *** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种从肺部CT图像中提取末端支气管树的方法,将每一张原始的肺部CT图像以同样顺序和大小进行切片编号,得到多个图像块;将图像块分为有病结、无组织或腔壁、有血管或其他肺部组织以及有肺部腔壁,输入卷积神经网络中进行训练。本发明的图像切片分类处理能够降低系统复杂度,同时保证肺结节特征的完整性,能够很好的用于卷积神经网络的训练,有很高的敏感性和较低的误诊率,使卷积神经网络能够在应用中快速的实现肺结节的识别和定位。 | ||
搜索关键词: | 卷积神经网络 肺部CT图像 末端支气管 肺结节 图像块 腔壁 肺部组织 分类处理 降低系统 图像切片 复杂度 切片 误诊 肺部 血管 应用 保证 | ||
【主权项】:
1.一种从肺部CT图像中提取末端支气管树的方法,其特征在于:包括下列步骤:1)准备初始数据:初始数据包括用来训练、验证和测试的肺部纹理CT图像小块、对应的几何信息图像小块和对应的类别标签。2)卷积神经网络的构建:基于卷积神经网络中跳跃结构的思想,构建一个18层的卷积神经网络。3)基于步骤(2)得到的卷积神经网络进行训练;其中,所述卷积神经网络的卷基层尺寸为96个7×7大小的卷积核,扫描时步长设置为2,得到96个31×31的卷积输出,将卷积输出通过ReLU激活输入2×2的池化层降采样,得到96个15×15的数据,之后每层卷积层尺寸为256个5×5,384个3×3,256个3×3;所述卷积神经网络的全连接层为两层,维度为1152,与输出SoftMax相连计算每分钟分类的目标概率,通过随机梯度下降来进行权重的更新。
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吉林大学第一医院,未经吉林大学第一医院许可,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/201910518107.8/,转载请声明来源钻瓜专利网。