[发明专利]一种甲状腺乳头状癌的超声图像识别方法及装置在审

专利信息
申请号: 201710217515.0 申请日: 2017-04-05
公开(公告)号: CN106951928A 公开(公告)日: 2017-07-14
发明(设计)人: 柯威;王永华;万频;刘巍巍;齐蕾 申请(专利权)人: 广东工业大学
主分类号: G06K9/62 分类号: G06K9/62;G06N3/08
代理公司: 北京集佳知识产权代理有限公司11227 代理人: 罗满
地址: 510062 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种甲状腺乳头状癌的超声图像识别方法及装置,包括采用预先建立的甲状腺乳头状癌超声图像识别模型对待识别的甲状腺乳头状癌超声图像的特征进行识别;甲状腺乳头状癌超声图像识别模型的建立过程为对各个用于深度学习的甲状腺乳头状癌超声图像进行预处理;将经过预处理的各个用于深度学习的甲状腺乳头状癌超声图像进行归一化;建立卷积神经网络;利用卷积神经网络对归一化后的各个用于深度学习的甲状腺乳头状癌超声图像进行训练,得到甲状腺乳头状癌超声图像识别模型。本发明在使用过程中可以对待识别的甲状腺乳头状癌超声图像的特征进行准确的识别,以便于辅助医生的诊断,降低诊断的不确定性,提高诊断的准确度。
搜索关键词: 一种 甲状腺 乳头状 超声 图像 识别 方法 装置
【主权项】:
一种甲状腺乳头状癌的超声图像识别方法,其特征在于,包括采用预先建立的甲状腺乳头状癌超声图像识别模型对待识别的甲状腺乳头状癌超声图像的特征进行识别;所述甲状腺乳头状癌超声图像识别模型的建立过程为:对各个用于深度学习的甲状腺乳头状癌超声图像进行预处理;将经过预处理的各个所述用于深度学习的甲状腺乳头状癌超声图像进行归一化;建立卷积神经网络,所述卷积神经网络包括n个卷积层、n个最大池化层、最大链路层和分类层,所述n个卷积层与所述n个最大池化层依次交替分布,所述n为大于1的整数;利用所述卷积神经网络对归一化后的各个所述用于深度学习的甲状腺乳头状癌超声图像进行训练,得到甲状腺乳头状癌超声图像识别模型。
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广东工业大学,未经广东工业大学许可,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/201710217515.0/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top