一种基于深度学习的早期肺癌检测分类一体化设备及系统
基本信息
| 申请号 | CN201810776622.1 | 申请日 | - |
| 公开（公告）号 | CN109003672A | 公开（公告）日 | 2018-12-14 |
| 申请公布号 | CN109003672A | 申请公布日 | 2018-12-14 |
| 分类号 | G16H50/20;G16H50/70;G06T7/00;G06T7/10 | 分类 | 物理 |
| 发明人 | 邹伟;高长龙;王燕妮 | 申请（专利权）人 | 北京睿客邦科技有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 100107 北京市朝阳区立清路7号院5号楼3层2单元302 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的早期肺癌检测分类一体化设备及系统CancerEarlyTestSystem；包括早期肺癌检测触控终端、肺癌检测服务器、肺癌检测病例存储设备；CETS基于U‑NET设计了TNet，用于早期肺癌和肺结节检测分类；数据预处理模块将患者肺CT影像数据处理成CETS可读的3D肺图像，利用TNet肺结节3D检测分类网络对肺图像进行语义分割，按恶性程度输出肺结节区域和概率；通过TNet肺癌3D检测分类网络对肺结节的特征进行分析，最终得到肺癌种类、概率和肺结节种类、形态等详细信息检测报告；CETS在TNet中首次引入光流追踪算法，解决了由于CT影像的层状性特点形成的数据缺失、相互矛盾以及网络检测遗漏所丢失的结节信息，辅助医生进行肺癌诊断，减少了漏诊误诊的风险。 |
