基于深度学习的肋骨骨折辅助检测方法及图像识别方法
基本信息
| 申请号 | CN202011497567.6 | 申请日 | - |
| 公开（公告）号 | CN112699869A | 公开（公告）日 | 2021-04-23 |
| 申请公布号 | CN112699869A | 申请公布日 | 2021-04-23 |
| 分类号 | G06N3/04(2006.01)I;G06T3/60(2006.01)I;G06T7/11(2017.01)I;G06K9/62(2006.01)I;G06K9/20(2006.01)I;G06T7/00(2017.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 陈浩;柴志忠;林黄靖;王春永 | 申请（专利权）人 | 深圳视见医疗科技有限公司 |
| 代理机构 | 深圳市徽正知识产权代理有限公司 | 代理人 | 卢杏艳 |
| 地址 | 518000广东省深圳市南山区粤海街道粤兴二道10号310F | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及医疗技术领域，尤其涉及一种基于深度学习算法的肋骨骨折辅助检测方法及图像识别方法，其包括：选取一定数量的胸部CT图像作为训练集，并标注图像中的肋骨骨折区域和肋骨编号；对该图像进行数据归一化处理；将处理后的图像作为输入，标注的图像中的肋骨骨折区域和肋骨编号作为输出进行模型训练，该训练模型包括：肋骨检测模型、肋骨骨折分割模型以及肋骨编号及分段模型；将待检测的胸部CT图像经过处理后输入至训练好的所述肋骨骨折检测模型中，输出检测结果。本发明实施例提供的基于深度学习算法的肋骨骨折辅助检测方法有效的降低了肋骨骨折检测的假阳和假阴，并且该检测结果提供了疑似肋骨骨折的位置信息，可以辅助医生诊断。 |
