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

Inventor： 张恒瑜 ,  包勇 ,  文耀锋

IPC: G06V10/82 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00 ,  G06T7/70

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

Inventor： 张恒瑜 ,  包勇 ,  文耀锋

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00 ,  G06T7/70

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。