公开(公告)号：CN117218423A

公开(公告)日：2023-12-12

申请号：CN202311171181.X

申请日：2023-09-11

Applicant: 桂林电子科技大学

Inventor： 李嘉佳 ,  汪华登 ,  管军霖 ,  朱华毅 ,  陈冰鑫 ,  何冬梅 ,  梁宏达

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本说明书实施例提供了一种基于多尺度融合和深度学习的肺部结节分类方法及系统，其中，方法包括：获取LIDC‑IDRI数据集，采集LIDC‑IDRI数据集中大于等于3mm的肺结节图像，并对采集的图像进行预处理；对预处理后的肺结节图像中的肺结节区域进行分割，提取三个不同位置不同尺度的肺结节区域，对提取的肺结节区域进行卷积处理后进行信息融合，并对融合后的肺结节区域进行特征提取；构建三维残差网络，通过LIDC‑IDRI数据集对三维残差网络进行训练和验证，得到肺部结节分类模型；通过肺部结节分类模型对待分类的肺部结节进行分类。本发明不仅能够提高肺结节的检测准确性，还能够在不同尺度下捕获结节的详细特征，有望在肺癌早期诊断和治疗中发挥重要作用。