-
公开(公告)号:CN116228685A
公开(公告)日:2023-06-06
申请号:CN202310075484.5
申请日:2023-02-07
Applicant: 重庆大学
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的肺结节检测与剔除方法,该方法在网络生成结果之前进行融合,对每一个模型的预测结果保留相同权重,使用加权框融合的后处理方法的到最终结果。提出了一种根据连续图片交并比值来判断结节连续性的方法,能够快速实现结节从二维转为三维,并且能够有效的减少误判。本发明基于二维目标检测模型检测肺结节,更加节省算力,且在检测完毕后结合了三维重构技术,实现了更快速,更精确的肺结节检测,除此之外,提出了Sa‑Yolo模型,通过引入分割注意力机制,从而加强了模型对于小结节的检测效果,并且在与Yolov7融合之后,能够获得更精准的结节边界框,能够更精准、快速地检测肺结节。
-
公开(公告)号:CN116012355A
公开(公告)日:2023-04-25
申请号:CN202310075453.X
申请日:2023-02-07
Applicant: 重庆大学
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的自适应假阳性肺结节剔除方法,该方法的实现主体是一种基于3DCNN的自适应假阳性剔除网络,能够对不同大小的肺结节候选快进行分类,剔除假阳性肺结节;此外,根据肺结节的直径自动调整自适应率。本发明将待检测结节采样至22*22*20和32*32*24两种尺寸,之后分别放入两个独立的三维残差卷积神经网络中进行训练分类,借助自适应率对两个独立三维残差卷积神经网络的输出进行融合,能够对不同大小的结节候选快进行分类,剔除假阳性结节;本方法充分考虑了结节的直径,解决了其它系统泛化能力差的问题,从实际应用的过程中最大程度的利用了多尺寸肺结节的特征进行预测,保持了非常高的准确率。
-
-
公开(公告)号:CN116228685B
公开(公告)日:2023-08-22
申请号:CN202310075484.5
申请日:2023-02-07
Applicant: 重庆大学
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的肺结节检测与剔除方法,该方法在网络生成结果之前进行融合,对每一个模型的预测结果保留相同权重,使用加权框融合的后处理方法的到最终结果。提出了一种根据连续图片交并比值来判断结节连续性的方法,能够快速实现结节从二维转为三维,并且能够有效的减少误判。本发明基于二维目标检测模型检测肺结节,更加节省算力,且在检测完毕后结合了三维重构技术,实现了更快速,更精确的肺结节检测,除此之外,提出了Sa‑Yolo模型,通过引入分割注意力机制,从而加强了模型对于小结节的检测效果,并且在与Yolov7融合之后,能够获得更精准的结节边界框,能够更精准、快速地检测肺结节。
-
-
-