一种对肺部CT图像感兴趣区域的追踪方法

发明专利有效专利

申请号：
CN201710474116.2
IPC分类号：G06T7/00;G06K9/32;G06K9/62
申请日期：
2017-06-21
申请人：
太原理工大学

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	一种对肺部CT图像感兴趣区域的追踪方法
申请号	CN201710474116.2	申请日期	2017-06-21
法律状态	授权	申报国家	中国
公开/公告日	2017-09-22	公开/公告号	CN107194929A
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;K;9;/;3;2;;;G;0;6;K;9;/;6;2查看分类表>
申请人	太原理工大学	申请人地址	山西省太原市迎泽西大街79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	太原理工大学	当前权利人	太原理工大学
发明人	赵涓涓;杨佳玲;强彦;强薇;王华
代理机构	北京恒创益佳知识产权代理事务所（普通合伙）	代理人	宋华

摘要

本发明公开了一种基于深度信念网络的肺结节分类方法，包括以下步骤：首先对肺部CT图像进行预处理，即运用基于超像素的追踪方法获取肺部图像的感兴趣区域；然后根据追踪后得到的特定数据集，自定义一个5层的深度信念网络(DBN)，有效实现对结节的分类。本发明的方法首先通过对CT图像进行追踪，获得感兴趣区域，大大削弱了CT图像中除肺实质外多余信息的干扰，降低了深度学习应用于肺部疾病诊断的复杂性；采用自定义的深度信念网络实现对肺结节特征的自动提取与良恶性分类工作，并通过实验优化各个参数，减少了手动提取特征的主观性，有效实现对结节的诊断。

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