-
公开(公告)号：CN109657719B
公开(公告)日：2022-09-30
申请号：CN201811557964.0
申请日：2018-12-19
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种基于卷积神经网络的图像识别方法，包括以下步骤：S100、标注：为断面图的每个分区赋唯一值Labelj，为断面图中的异物区赋唯一值Labelm，S200，获取训练集：选取同一目标物的M个标注后的断面图依序排列并层叠得到目标物的立体图集，将立体图集作为一个训练样本，收集若干个训练样本组成训练集；S300、构建卷积神经网络；S400、将所述训练集输入所述卷积神经网络中进行训练，得到卷积神经网络分类模型。这种基于卷积神经网络的图像识别方法将标注后的多张断面图按序层叠后作为训练样本对卷积神经网络进行训练，得到能够根据CT图得到异物所处位置的卷积神经网络分类模型，这种卷积神经网络分类模型能够辅助医生高效准确的判断出异物所在位置。
-
公开(公告)号：CN109657719A
公开(公告)日：2019-04-19
申请号：CN201811557964.0
申请日：2018-12-19
Applicant: 浙江大学常州工业技术研究院
Abstract: 本发明提供了一种基于卷积神经网络的图像识别方法，包括以下步骤：S100、标注：为断面图的每个分区赋唯一值Labelj，为断面图中的异物区赋唯一值Labelm，S200，获取训练集：选取同一目标物的M个标注后的断面图依序排列并层叠得到目标物的立体图集，将立体图集作为一个训练样本，收集若干个训练样本组成训练集；S300、构建卷积神经网络；S400、将所述训练集输入所述卷积神经网络中进行训练，得到卷积神经网络分类模型。这种基于卷积神经网络的图像识别方法将标注后的多张断面图按序层叠后作为训练样本对卷积神经网络进行训练，得到能够根据CT图得到异物所处位置的卷积神经网络分类模型，这种卷积神经网络分类模型能够辅助医生高效准确的判断出异物所在位置。
-
公开(公告)号：CN108665447B
公开(公告)日：2021-07-30
申请号：CN201810360708.6
申请日：2018-04-20
Applicant: 浙江大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于眼底照相深度学习的青光眼图像检测方法。对数据库中已收集并标注的原始眼底图像进行预处理，得到训练范例眼底图像，构成训练数据库；进行扩增，得到扩增后的训练数据库；建立包括多层神经网络结构的卷积神经网络，用扩增后的训练数据库输入卷积神经网络进行训练；针对待测眼底图像，将待测眼底图像输入到训练后的卷积神经网络中，获得最后一层神经网络结构的输出值，进而对青光眼进行判别。本发明能不断优化用于判断的数据特征以及卷积神经网络的参数，从而能够大幅提高青光眼图像检测的准确率、敏感性和特异性，节约医疗资源。
-
公开(公告)号：CN108665447A
公开(公告)日：2018-10-16
申请号：CN201810360708.6
申请日：2018-04-20
Applicant: 浙江大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于眼底照相深度学习的青光眼图像检测方法。对数据库中已收集并标注的原始眼底图像进行预处理，得到训练范例眼底图像，构成训练数据库；进行扩增，得到扩增后的训练数据库；建立包括多层神经网络结构的卷积神经网络，用扩增后的训练数据库输入卷积神经网络进行训练；针对待测眼底图像，将待测眼底图像输入到训练后的卷积神经网络中，获得最后一层神经网络结构的输出值，进而对青光眼进行判别。本发明能不断优化用于判断的数据特征以及卷积神经网络的参数，从而能够大幅提高青光眼图像检测的准确率、敏感性和特异性，节约医疗资源。
-
-
-
Search Results
4
records
(took 0.015 seconds)
