公开(公告)号：CN111325236B

公开(公告)日：2023-04-18

申请号：CN202010070699.4

申请日：2020-01-21

Applicant: 南京大学

Inventor： 金志斌 ,  周雪 ,  程裕家 ,  袁杰 ,  彭成磊 ,  李睿钦 ,  张玮婧

IPC: G06V10/764 ,  G06V10/25 ,  G06V10/26 ,  G06V10/50 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084

Abstract: 本发明公开了一种基于卷积神经网络的超声图像分类方法。包括：从原始图像圈定感兴趣区域并裁剪，获得剪裁后的图像；对所述裁剪后的图像采用添加高斯噪声方法与直方图均衡方法进行数据增广，获得数据增广后的数据集；利用所述增广后的数据集进行生成对抗网络的训练，并验证测试，获得训练好的生成器；加载所述训练好的生成器，通过噪声推理出图像，并对生成的所述图像标定标签；将所述生成器生成的图像扩充到分类数据集中，重新训练卷积神经网络对超声图像进行分类，并输出准确率和召回率，评估网络性能。本发明在对超声图像分类时，解决了神经网络中训练数据集不足的问题，提高了网络的泛化性能。

公开(公告)号：CN111325236A

公开(公告)日：2020-06-23

申请号：CN202010070699.4

申请日：2020-01-21

Applicant: 南京大学

Inventor： 金志斌 ,  周雪 ,  程裕家 ,  袁杰 ,  彭成磊 ,  李睿钦 ,  张玮婧

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于卷积神经网络的超声图像分类方法。包括：从原始图像圈定感兴趣区域并裁剪，获得剪裁后的图像；对所述裁剪后的图像采用添加高斯噪声方法与直方图均衡方法进行数据增广，获得数据增广后的数据集；利用所述增广后的数据集进行生成对抗网络的训练，并验证测试，获得训练好的生成器；加载所述训练好的生成器，通过噪声推理出图像，并对生成的所述图像标定标签；将所述生成器生成的图像扩充到分类数据集中，重新训练卷积神经网络对超声图像进行分类，并输出准确率和召回率，评估网络性能。本发明在对超声图像分类时，解决了神经网络中训练数据集不足的问题，提高了网络的泛化性能。