中国人民解放军国防科技大学胡之境获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉中国人民解放军国防科技大学申请的专利基于改进网络的肺结节检测方法、装置、设备和存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116309459B 。
龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310277575.7,技术领域涉及:G06T7/00;该发明授权基于改进网络的肺结节检测方法、装置、设备和存储介质是由胡之境;黄魁华;康洁;李硕豪;范长俊;罗志浩设计研发完成,并于2023-03-21向国家知识产权局提交的专利申请。
本基于改进网络的肺结节检测方法、装置、设备和存储介质在说明书摘要公布了:本申请涉及一种基于改进网络的肺结节检测方法、装置、设备和存储介质。所述方法包括:通过将获取的图像样本集中的各张CT原始图像进行处理以提取相应的肺实质图像以降低需要处理的数据量同时便于观察检测的有效性,且在本方法采用的肺结节检测神经网络是基于YOLOv5网络进行改进后得到的,其中,在骨干单元中,采用MetaAconC激活函数替换了部分卷积结构中的原有激活函数,并且在SPPF结构之前添加CoordAtt注意力机制结构,在颈部单元中改用BiFPN结构进行多尺寸特征融合使得改进后的YOLOv5网络更适用于对医疗图像的肺结节的检测,使其检测更为准确及高效。
本发明授权基于改进网络的肺结节检测方法、装置、设备和存储介质在权利要求书中公布了:1.基于改进网络的肺结节检测方法,其特征在于,所述方法包括: 获取图像样本集,所述图像样本集中包括多张与肺部相关CT原始图像; 对所述图像样本集中的各张CT原始图像进行处理以提取相应的肺实质图像; 根据各张所述肺实质图像制作对应的XML标签,并将其转化成VOC格式,根据格式转化后的各张所述肺实质图像构建训练数据集; 将所述训练数据集输入基于YOLOv5网络进行改进的肺结节检测神经网络对其进行训练,得到训练好的肺结节检测神经网络,其中,所述肺结节检测神经网络包括依次连接的骨干单元、颈部单元以及头部单元,在所述骨干单元中,采用MetaAconC激活函数替换了部分卷积结构中的原有激活函数,并且在SPPF结构之前添加注意力机制结构,在所述颈部单元中采用BiFPN结构进行多尺寸特征融合,所述骨干单元依次包括:第一CBS卷积结构、第一CBA卷积结构、第一C3结构、第二CBA卷积结构、第二C3结构、第三CBA卷积结构、第三C3结构、第四CBA卷积结构、第四C3结构、注意力机制结构以及SPPF结构,其中通过第二C3结构、第三C3结构以及SPPF结构分别输出从浅层向深层递进的第一特征图、第二特征图以及第三特征图,将所述第一特征图、第二特征图以及第三特征图作为所述颈部单元输入,所述骨干单元中的注意力机制结构采用CoordAtt,所述颈部单元依次包括:第二CBS卷积结构、第一上采样结构、第一BiFPN结构、第五C3结构、第三CBS卷积结构、第二上采样结构、第二BiFPN结构、第六C3结构、第三CBS卷积结构、第三BiFPN结构、第七C3结构、第四CBS卷积结构、第四BiFPN结构以及第八C3结构; 将所述第一特征图、第二特征图以及第三特征图作为所述颈部单元输入包括:所述第三特征图依次通过所述第二CBS卷积结构以及第一上采样结构后,与所述第二特征图在所述第一BiFPN结构中进行特征融合得到第一特征融合图,所述第一特征融合图依次通过所述第五C3结构、第三CBS卷积结构以及第二上采样结构后,与所述第一特征图在所述第二BiFPN结构中进行特征融合得到第二特征融合图,所述第二特征融合图依次通过所述第六C3结构以及第三CBS卷积结构后,与第二特征图,以及通过所述第五C3结构的第一特征融合图在所述第三BiFPN结构进行特征融合得到第三特征融合图,所述第三特征融合图依次通过所述第七C3结构以及第四CBS卷积结构后,与通过所述第二CBS卷积结构的第三特征图在所述第四BiFPN结构中进行特征融合得到第四特征融合图,所述第四特征融合图通过所述第八C3结构后经过detect层得到第三预测结果,所述第三特征融合图以及第二特征融合图分别通过所述第七C3结构以及第六C3结构后再经过detect层得到第二预测结果以及第一预测结果; 获取待检测的肺部CT图像,并将所述肺部CT图像输入所述训练好的肺结节检测神经网络中,并输出所述肺部CT图像中肺结节的边界及概率以实现肺结节检测。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国人民解放军国防科技大学,其通讯地址为:410073 湖南省长沙市开福区德雅路109号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励