公开(公告)号：CN112348800A

公开(公告)日：2021-02-09

申请号：CN202011254411.5

申请日：2020-11-11

Applicant: 北方民族大学

Inventor： 周涛 ,  陆惠玲 ,  霍兵强 ,  丁红胜 ,  田金琴

IPC: G06T7/00 ,  G06K9/62

Abstract: 本发明公开了融合多尺度特征的密集神经网络肺部肿瘤图像识别方法，包括：通过收集CT模态医学图像并预处理，提取不同尺度病灶ROI区域，构成多尺度数据集；所述不同尺度病灶ROI区域带有临床标记的良性或恶性肿瘤标签；将所述多尺度数据集在密集神经网络中训练，构建密集神经网络模型，提取全连接层特征向量并进行特征串行融合；在NSCR分类器中得到肺部肿瘤分类结果。本发明构建的密集神经网络模型优于AlexNet模型，可有效地利用高层信息再次发掘底层新特征，增强了特征在网络间的传播，实现和加强了特征重用；网络深度深、网络泛化能力强，肺部肿瘤分类准确度高。

公开(公告)号：CN111582330A

公开(公告)日：2020-08-25

申请号：CN202010323907.7

申请日：2020-04-22

Applicant: 北方民族大学

Inventor： 周涛 ,  陆惠玲 ,  霍兵强 ,  贺钧 ,  丁红胜 ,  张飞飞 ,  董雅丽

IPC: G06K9/62 ,  G06K9/32 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于肺部肿瘤影像划分样本空间下的集成ResNet-NRC方法，包括如下步骤：收集同一肺部肿瘤的三种维度下的医学图像信息，即三模态数据集CT、PET、PET/CT；根据三模态数据集CT、PET、PET/CT划分出三个模态的样本特征空间；根据三个模态的样本特征空间构建三种模态的残差神经网络模型，即基分类器；采用相对多数投票法对三种基分类器进行组合，形成最终分类识别结果。本发明分类精确度优，满足对基分类器的精确度高和差异性大的条件，可有效解决高维数据的优化问题，特异性和灵敏度等各项评价指标也较高，该方法具有较好的鲁棒性和泛化能力。

公开(公告)号：CN111582328A

公开(公告)日：2020-08-25

申请号：CN202010322518.2

申请日：2020-04-22

Applicant: 北方民族大学

Inventor： 周涛 ,  陆惠玲 ,  朱立军 ,  王晓峰 ,  霍兵强 ,  任海玲 ,  董雅丽

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于肺部CT影像的COVID-19分类识别方法，包括：采集正常肺部CT影像、肺部肿瘤CT影像、COVID肺部CT影像，得到三个样本子集，并构成样本集；采用迁移学习法，分别对AlexNet、GoogleNet、ResNet三个卷积神经网络进行预训练，分别得到三个卷积神经网络的初始化参数；将样本集分别输入至预训练完成的三个卷积神经网络，得到三个个体分类器；采用集成学习法对三个个体分类器进行集成，获得集成分类器模型。本发明的集成模型整体分类性能优于个体分类器，且特异性和灵敏度等评价指标也较高，能较好满足COVID-19肺部CT影像的快速识别要求。