[發明專利]一種基于多層識別卷積神經網絡的腫瘤識別方法在審
| 申請號： | 201810731243.0 | 申請日： | 2018-07-05 |
| 公開（公告）號： | CN108961244A | 公開（公告）日： | 2018-12-07 |
| 發明（設計）人： | 襲肖明;于治樓 | 申請（專利權）人： | 濟南浪潮高新科技投資發展有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06N3/04 |
| 代理公司： | 濟南信達專利事務所有限公司 37100 | 代理人： | 劉繼枝 |
| 地址： | 250100 山東省濟南市*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 腫瘤識別 卷積神經網絡 網絡訓練 多層 訓練階段 常態 腫瘤 腫瘤良惡性 超聲圖像 階段步驟 形態識別 有效解決 腫瘤分割 腫瘤生成 腫瘤圖像 非常態 識別率 分割 算法 圖像 敏感 | ||
1.一種基于多層識別卷積神經網絡的腫瘤識別方法，其特征在于，該方法通過訓練階段和識別階段兩部分實現；
所述的訓練階段步驟如下：
步驟1）利用全卷積神經網絡將超聲圖像中的腫瘤分割出來；
步驟2）進行形態識別網絡訓練；
步驟3）進行常態腫瘤生成網絡訓練；
步驟4）進行代價敏感識別網絡訓練；
所述的識別階段步驟如下：
步驟1）使用全卷積神經網絡對待識別圖像中的腫瘤進行分割；
步驟2）將分割出的腫瘤圖像輸入到多層識別卷積神經網絡中。
2.根據權利要求1所述的腫瘤識別方法，其特征在于，所述的進行形態識別網絡訓練，操作如下：
針對訓練集，獲取分割出的腫瘤，并對其進行標記，標記為常態腫瘤和非常態腫瘤。
3.根據權利要求1或2所述的腫瘤識別方法，其特征在于，所述的進行形態識別網絡訓練是利用Resnet作為基網絡，并引入代價敏感信息，構建形態識別網絡。
4.根據權利要求1所述的腫瘤識別方法，其特征在于，所述的常態腫瘤生成網絡訓練，操作如下：
先將非常態腫瘤變換為常態腫瘤，然后對轉換后的常態腫瘤進行識別。
5.根據權利要求4所述的腫瘤識別方法，其特征在于，所述的將非常態腫瘤變換為常態腫瘤，采用TP-GAN技術實現。
6.根據權利要求1所述的腫瘤識別方法，其特征在于，所述的代價敏感識別網絡訓練，操作如下：
經過形態識別網絡和常態腫瘤生成網絡的處理，將所有的腫瘤轉換為易識別的常態腫瘤，在Resnet網絡中引入代價敏感信息，構建代價敏感識別網絡；所述的代價敏感識別網絡的輸出結果即為腫瘤的識別結果。
7.根據權利要求1所述的腫瘤識別方法，其特征在于，所述的將分割出的腫瘤圖像輸入到多層識別卷積神經網絡中，包括，首先使用形態識別網絡先進行識別腫瘤的形態，即常態和非常態，將常態腫瘤輸入到代價敏感識別網絡中，獲得常態腫瘤的識別結果。
8.根據權利要求1所述的腫瘤識別方法，其特征在于，所述的將分割出的腫瘤圖像輸入到多層識別卷積神經網絡中，包括，對于非常態腫瘤，先將非常態腫瘤輸入到常態腫瘤生成網絡，生成對應的常態腫瘤圖像，然后將生成的常態腫瘤輸入到代價敏感識別網絡，輸出識別結果即為腫瘤的識別結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于濟南浪潮高新科技投資發展有限公司，未經濟南浪潮高新科技投資發展有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810731243.0/1.html，轉載請聲明來源鉆瓜專利網。
