一种基于深度学习的肋骨提取方法及装置
基本信息
| 申请号 | CN201911243888.0 | 申请日 | - |
| 公开（公告）号 | CN111080592B | 公开（公告）日 | 2021-06-01 |
| 申请公布号 | CN111080592B | 申请公布日 | 2021-06-01 |
| 分类号 | G06T7/00（2017.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 钱东东;刘守亮;魏军 | 申请（专利权）人 | 广州柏视数据科技有限公司 |
| 代理机构 | 北京兴智翔达知识产权代理有限公司 | 代理人 | 张玉梅 |
| 地址 | 510275广东省广州市开发区萝岗街道玉岩路12号冠昊科技园区办公楼306室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明实施例提供一种基于深度学习的肋骨提取方法，包括以下步骤：训练样本预处理；建立用于肋骨提取的第一深度卷积神经网络，通过训练样本对第一深度卷积神经网络进行训练；建立用于对第一深度卷积神经网络进行判别优化的第二深度卷积神经网络，对第一深度卷积神经网络进行优化；通过训练后的第一深度卷积神经网络，提取医学图像中的肋骨图像。本发明实施例一是采用样本增广的方式，提高了模型的训练效果；二是采用深度卷积神经网络，能够取得较高的识别率；三是在做特征融合时，同时考虑了边界的损失和区域的损失，更加有利于网络的收敛；四是在网络的训练部分，加大了模型对困难样本的关注，网络能更好的收敛。 |
