[01920539]一种基于目标检测的甲状腺结节侵袭性预测方法
交易价格:
面议
所属行业:
类型:
发明专利
技术成熟度:
正在研发
专利所属地:中国
专利号:CN202110307648.3
交易方式:
技术转让
联系人:
所在地:内蒙古自治区呼和浩特市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本发明属于图像处理技术领域,具体为一种基于目标检测的甲状腺结节侵袭性预测方法。该方法包括如下步骤:S1:对临床获得的甲状腺超声图像进行预处理,得到原始数据集;S2:构建基于传统Faster RCNN的网络结构的定位网络模型;并对定位网络模型进行预训练;S3:利用定位网络对超声图像中的结节形态信息进行提取;得到结节的纵横比信息,以及腺体组织的上下文信息;S4:构建分类网络模型;S5:建立多模型融合的甲状腺结节侵袭性预测网络,对超声图像中甲状腺结节侵袭性进行预测;S6:对融合的网络模型中的分类网络模型进行训练更新,保存验证集中准确率最高的模型。该方法可以实现端到端全自动辅助诊断,克服传统方法准确率不足,检测速率低的缺陷。
本发明属于图像处理技术领域,具体为一种基于目标检测的甲状腺结节侵袭性预测方法。该方法包括如下步骤:S1:对临床获得的甲状腺超声图像进行预处理,得到原始数据集;S2:构建基于传统Faster RCNN的网络结构的定位网络模型;并对定位网络模型进行预训练;S3:利用定位网络对超声图像中的结节形态信息进行提取;得到结节的纵横比信息,以及腺体组织的上下文信息;S4:构建分类网络模型;S5:建立多模型融合的甲状腺结节侵袭性预测网络,对超声图像中甲状腺结节侵袭性进行预测;S6:对融合的网络模型中的分类网络模型进行训练更新,保存验证集中准确率最高的模型。该方法可以实现端到端全自动辅助诊断,克服传统方法准确率不足,检测速率低的缺陷。