-
公开(公告)号:CN112614108A
公开(公告)日:2021-04-06
申请号:CN202011548496.8
申请日:2020-12-24
Applicant: 中国人民解放军总医院第一医学中心 , 北京邮电大学 , 北京红云智胜科技有限公司
IPC: G06T7/00
Abstract: 本公开提供了基于深度学习检测甲状腺超声图像中结节的方法,对甲状腺超声图像预处理操作;将预处理后的甲状腺超声图像特征提取,获取特征图像;将获取的特征图像分别输入至对应的分类与回归结构,获取针对每张特征图像中甲状腺结节区域的具体位置信息;对输入至对应的分类与回归结构中的特征图像计算所产生的分类损失、中心点距离回归损失以及偏移量损失,通过加权求和计算获取待训练模型的总体损失;对待训练模型进行训练以及测试操作。该方法提供了一种无需设置anchor box、高效的对甲状腺超声图像中结节区域进行检测的方法,避免与anchor box相关的计算与资源浪费、加快训练速度,增强实验结果泛化性能。本公开还提出基于深度学习检测甲状腺超声图像中结节的装置。
-
公开(公告)号:CN112614108B
公开(公告)日:2024-04-19
申请号:CN202011548496.8
申请日:2020-12-24
Applicant: 中国人民解放军总医院第一医学中心 , 北京邮电大学 , 北京红云智胜科技有限公司
IPC: G06T7/00
Abstract: 本公开提供了基于深度学习检测甲状腺超声图像中结节的方法,对甲状腺超声图像预处理操作;将预处理后的甲状腺超声图像特征提取,获取特征图像;将获取的特征图像分别输入至对应的分类与回归结构,获取针对每张特征图像中甲状腺结节区域的具体位置信息;对输入至对应的分类与回归结构中的特征图像计算所产生的分类损失、中心点距离回归损失以及偏移量损失,通过加权求和计算获取待训练模型的总体损失;对待训练模型进行训练以及测试操作。该方法提供了一种无需设置anchor box、高效的对甲状腺超声图像中结节区域进行检测的方法,避免与anchor box相关的计算与资源浪费、加快训练速度,增强实验结果泛化性能。本公开还提出基于深度学习检测甲状腺超声图像中结节的装置。
-