X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
帮助中心 | 关于我们
欢迎来到合肥巢湖经开区网上技术交易平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[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
|
收藏
|

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。

推荐服务:

Copyright    ©    2016    合肥巢湖经开区网上技术交易平台    All Rights Reserved

皖ICP备15001458号

运营商:科易网