[00248605]基于深度卷积神经网络和全局特征的肺部肿瘤识别方法
交易价格：
面议
所属行业：
其他医药与医疗
类型：
发明专利
技术成熟度：
正在研发
专利所属地：中国
专利号：CN201710811917.3
交易方式：
技术转让
技术转让
技术入股
联系人：
科小易
进入空间
所在地：福建厦门市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本发明公开了一种基于深度卷积神经网络和全局特征的肺部肿瘤识别方法，可将其用于肺部肿瘤全局特征计算机辅助诊断。首先，根据肺部CT图像特点和复杂性初始构建深度卷积神经网络；然后探讨不同分辨率和迭代次数对识别结果的影响；接着对卷积核大小、特征维数和网络深度进行改进，探讨不同模型结构对于肺部肿瘤全局特征的影响程度；最后从网络优化维度分析不同采样方法(最大池采样和均值采样)、激活函数(Sigmoid和ReLU)和训练算法(批量梯度下降法和弹性动量下降法)对深度卷积神经网络(DCNN)性能的影响。实验结果验证了DCNN用于肺部肿瘤全局特征计算机辅助诊断的可行性，选择合适的模型参数和模型结构并采用弹性动量训练法可达到良好的识别效果。
本发明公开了一种基于深度卷积神经网络和全局特征的肺部肿瘤识别方法，可将其用于肺部肿瘤全局特征计算机辅助诊断。首先，根据肺部CT图像特点和复杂性初始构建深度卷积神经网络；然后探讨不同分辨率和迭代次数对识别结果的影响；接着对卷积核大小、特征维数和网络深度进行改进，探讨不同模型结构对于肺部肿瘤全局特征的影响程度；最后从网络优化维度分析不同采样方法(最大池采样和均值采样)、激活函数(Sigmoid和ReLU)和训练算法(批量梯度下降法和弹性动量下降法)对深度卷积神经网络(DCNN)性能的影响。实验结果验证了DCNN用于肺部肿瘤全局特征计算机辅助诊断的可行性，选择合适的模型参数和模型结构并采用弹性动量训练法可达到良好的识别效果。
