公开(公告)号：CN112308822B

公开(公告)日：2024-07-09

申请号：CN202011076847.X

申请日：2020-10-10

Applicant: 杭州电子科技大学

Inventor： 傅凯强 ,  秦飞巍 ,  蒋超

IPC: G06T7/00 ,  G06T5/70 ,  G06T5/73 ,  G06T3/60 ,  G06T3/4007 ,  G06T3/4053 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度卷积神经网络的椎间盘CT图像检测方法。本发明包括如下步骤：步骤1、椎间盘突出图像预处理：步骤2、基于多骨干网络的特征提取器构建方法：步骤3、区域建议网络中锚框的参数调优：步骤4、基于卷积神经网络的图像检测模型训练。本发明从数据预处理，深度卷积神经网络结构到参数优化都经过精心设计，建立了一套完整的椎间盘突出定位和分类系统。相较于传统的图像检测算法，该方法基于深度学习技术，通过简单的端到端学习方式避免了去噪、白平衡、特征提取、特征选择等容易出错的过程，减少了人工干预，将对椎间盘突出是否合并钙化这一判断任务自动化智能化，并在检测的准确率上有较大提升。

公开(公告)号：CN112308822A

公开(公告)日：2021-02-02

申请号：CN202011076847.X

申请日：2020-10-10

Applicant: 杭州电子科技大学

Inventor： 傅凯强 ,  秦飞巍 ,  蒋超

IPC: G06T7/00 ,  G06T5/00 ,  G06T3/60 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度卷积神经网络的椎间盘CT图像检测方法。本发明包括如下步骤：步骤1、椎间盘突出图像预处理：步骤2、基于多骨干网络的特征提取器构建方法：步骤3、区域建议网络中锚框的参数调优：步骤4、基于卷积神经网络的图像检测模型训练。本发明从数据预处理，深度卷积神经网络结构到参数优化都经过精心设计，建立了一套完整的椎间盘突出定位和分类系统。相较于传统的图像检测算法，该方法基于深度学习技术，通过简单的端到端学习方式避免了去噪、白平衡、特征提取、特征选择等容易出错的过程，减少了人工干预，将对椎间盘突出是否合并钙化这一判断任务自动化智能化，并在检测的准确率上有较大提升。