龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：天津市儿童医院
申请日：2024-02-22
公开（公告）日：2024-06-18
公开（公告）号：CN118212245A
主分类号：G06T7/11
分类号：G06T7/11;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明提供基于深度学习的儿童肺部超声图像分割方法及系统，涉及超声图像处理的技术领域，本发明针对儿童肺部超声图像异常区域分割时，存在异常区域小，边界不明显的特点，在采用深度学习模型实现分割时，在模型训练过程，首先得到多个异常区域不明显的裁剪集，然后将裁剪集覆盖至正常肺部超声图像中，进而可实现样本集数量扩增，且极大的增加了异常区域不明显的样本集，使得深度学习模型的训练准确度大大增加，进而提高了儿童肺部超声图像的异常区域的分割准确度。
主权项：1.基于深度学习的儿童肺部超声图像分割方法，其特征在于，包括：S1：获取待分割的肺部超声图像；S2：对所述肺部超声图像进行预处理；S3：建立用于实现肺部图像分割的深度学习模型；S4：训练所述用于实现肺部图像分割的深度学习模型；其中，所述S4具体包括：S4.1：收集多例具有准确标注结论的儿童肺部超声图像，构成原始样本集；S4.2：筛选m例异常区域边界不明显儿童肺部超声图像，并进行图像裁剪操作，得到n个裁剪集；S4.3：将每1个裁剪集覆盖至每一张正常儿童肺部超声图像中，其中，每一张正常儿童肺部超声图像仅被覆盖一个裁剪集，从而得到扩增后的样本集；S4.4：将所述S4.1得到的原始样本集和所述S4.3得到的扩增后的样本集组合，得到第一样本集；S4.5：对所述第一样本集进行筛选处理，去除不合格样本集，从而得到第二样本集；S4.6：将第二样本集作为训练集对所述S3的深度学习模型训练；S5：将经过所述S2预处理的肺部超声图像输入至经过所述S4训练的深度学习模型中，实现对肺部异常区域图像的分割。
全文数据：
权利要求：
百度查询： 天津市儿童医院 基于深度学习的儿童肺部超声图像分割方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号