公开(公告)号：CN114648663A

公开(公告)日：2022-06-21

申请号：CN202210271664.6

申请日：2022-03-18

申请人： 重庆大学附属肿瘤医院

发明人： 吴永忠 ,  郭聪 ,  杨维斌 ,  谢婷婷 ,  周宏 ,  林博

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06K9/62 ,  G06V10/82 ,  G06V10/25 ,  G06N3/04 ,  G06T7/11

摘要： 本发明提出了一种基于深度学习的肺癌CT图像亚型分类方法，包括以下步骤：S1，预处理：采集CT图像原始数据信息并进行预处理，得到增强后的数据集，并将预处理之后的CT图像数据划分为测试集和训练集；S2，构建模型：构建改进的3D‑LungNet网络模型，用于对预处理后的图像进行特征提取；S3，训练模型：将训练集输入到所述改进的3D‑LungNet网络模型中进行训练，得到训练好的CT图像分类模型；S4，测试集输入模型：将所述测试集输入到所述CT图像分类模型中，得到CT图像分类结果。本发明能够充分利用医学图像与自然图像之间的内在联系进行特征迁移，提高了网络层的特征提取效率和图像分类准确率，并减少了训练过程中的冗余计算量。还提高CT图像的分类准确率及分类精确率。