基于Faster-RCNN的超声图像甲状腺结节智能检测系统

发明专利有效专利

申请号：
CN202010411428.0
IPC分类号：G06T7/00;G06T5/00;G06K9/62;A61B8/08
申请日期：
2020-05-15
申请人：
江苏省人民医院（南京医科大学第一附属医院）

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于Faster-RCNN的超声图像甲状腺结节智能检测系统
申请号	CN202010411428.0	申请日期	2020-05-15
法律状态	实质审查	申报国家	中国
公开/公告日	2020-09-01	公开/公告号	CN111612752A
优先权	暂无	优先权号	暂无
主分类号	G06T7/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕	IPC分类号	G;0;6;T;7;/;0;0;;;G;0;6;T;5;/;0;0;;;G;0;6;K;9;/;6;2;;;A;6;1;B;8;/;0;8查看分类表>
申请人	江苏省人民医院（南京医科大学第一附属医院）	申请人地址	江苏省南京市广州路300号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	江苏省人民医院（南京医科大学第一附属医院）	当前权利人	江苏省人民医院（南京医科大学第一附属医院）
发明人	刘云;缪姝妹;王忠民;张小亮;盛戎蓉;荆芒;凡豪志;张昕;崔岱;景慎旗;单涛;郭建军;徐挺玉
代理机构	南京知识律师事务所	代理人	高玲玲

摘要

本发明公开了一种基于Faster‑RCNN的超声图像甲状腺结节智能检测系统。采用的Faster‑RCNN模型在进行目标检测时，与区域卷积神经网络RCNN相比，提升了速度，优化了存储空间，实现了结节良恶性的快速自动化检测，并在模型构建中对特征进行优化，在深度学习训练前计算超声诊断标准ACRTI‑RADS中的关键特征，寻找影响临床诊断的关键图像特征因子，并将其加入到卷积神经网络特征层中进行改进，构建一个新的鉴别模型，从而提高预测结果的准确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供