龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：北京大学第三医院(北京大学第三临床医学院)
摘要：本发明提出了一种基于深度学习的肺结节检测分级与管理的方法与系统。该方法利用SAAN‑ConvNet模型提取多尺度特征，通过孪生网络结构提取结节的局部特征和全局特征，引入联合注意力模块、自适应特征融合和多尺度特征交互等创新机制，极大提升了检测分级的性能。在LIDC‑IDRI公开数据集和临床数据上的实验表明，该方法在准确性、效率等方面均优于现有方法，具有良好的应用前景。
主权项：1.一种基于深度学习的肺结节检测分级与管理的方法，其特征在于，该方法包括如下步骤：步骤1：获取肺部CT图像数据；步骤2：对获取的肺部CT图像数据进行预处理；步骤3：将预处理后的图像输入到SAAN-ConvNet模型中，提取多尺度特征，具体包括：步骤3.1：通过孪生ConvNet网络结构提取结节的局部特征和全局上下文特征，具体为：SAAN-ConvNet模型以ConvNet为骨干网络，包含个阶段，每个阶段包含个基本块，第阶段第个基本块可表示为： ，其中，和分别表示第个和第个基本块的输入和输出特征图，表示基本块的映射函数；相邻阶段之间通过下采样层连接，对特征图进行尺寸缩小和通道数增加：,代表相邻阶段之间通过下采样层连接，将第阶段最后一个基本块的输出下采样得到第阶段第一个基本块的输入；通过孪生网络结构，并行提取结节的局部特征和全局上下文特征：两个参数共享的ConvNet分支和，分别提取第个结节的局部特征图和全局特征图：，,代表孪生网络的局部分支对第个结节的输入提取局部特征图,代表孪生网络的全局分支对第个结节的输入提取全局特征图,、、、分别表示孪生网络提取的局部特征图或全局特征图的通道数、深度、高度和宽度；步骤3.2：利用联合注意力模块，自适应地关注结节区域的显著特征；步骤3.3：通过自适应特征融合机制，自适应地融合局部特征与全局特征；步骤3.4：引入多尺度特征交互，得到多尺度特征；步骤4：通过分类器获得结节的良恶性预测概率和分类结果；步骤5：根据分类结果对结节进行风险评估；步骤6：生成结节分析报告，直观展示分析结果。
全文数据：
权利要求：
百度查询： 北京大学第三医院(北京大学第三临床医学院) 一种基于深度学习的肺结节检测分级与管理的方法与系统
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