基于深度学习CT肺部图像特征的检测和识别方法
公开
摘要
本发明涉及生物医学和深度学习、计算机断层扫描CT领域，为提出CT肺部图像特征的检测和识别方法。为此，本发明采取的技术方案是，基于深度学习CT肺部图像特征的检测和识别方法，根据一阶目标检测算法YOLO(You Only Look Once)系列中的YOLOV3算法，采用3D YOLOv3模型，对肺部CT图像进行肺部结节检测，检测肺结节的位置信息、直径和肺结节置信度，对检测出来的候选框的目标进行分类，判断肺结节属于恶性结节或是良性结节。本发明主要应用于CT设备的设计制造场合。
基本信息
专利标题 ：
基于深度学习CT肺部图像特征的检测和识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114581409A
申请号 ：
CN202210213395.8
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-04
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
宫秀军马铭鑫
申请人 ：
天津大学
申请人地址 ：
天津市南开区卫津路92号
代理机构 ：
天津市北洋有限责任专利代理事务所
代理人 ：
刘国威
优先权 ：
CN202210213395.8
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06V10/80 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
