【技术实现步骤摘要】
本专利技术涉及图像识别，具体为一种基于深度神经网络的甲状腺癌图像比对模型建立方法。
技术介绍
1、图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用，通常情况下图像的识别流程分为四个步骤：图像采集、图像预处理、特征提取以及图像识别，深度神经网络是机器学习领域中一种技术，在图像识别的过程中通过深度神经网络对训练样本中的特征进行提取，能够提高图像识别比对的准确性。
2、现有的技术中，在对甲状腺癌图像进行识别过程中，就有采用图像识别的技术进行特征提取比对的，例如在申请公开号为cn112233106a的中国专利中公开了一种基于残差胶囊网络的甲状腺癌超声影像分析方法，该方法就是通过残差胶囊网络对甲状腺癌的超声影像进行分析，得到待识别甲状腺乳头状癌超声图像对应的超声影像分类识别结果，但是该方法仅仅公开了残差胶囊网络对图像进行分析分类的技术，在该方法的步骤s1中原始甲状腺乳头状癌超声图像数据集中的每一张图像均包括形状不规则属性、边界不清晰属性、回声不均匀属性、钙化属性...
【技术保护点】
1.一种基于深度神经网络的甲状腺癌图像比对模型建立方法，其特征在于，包括：获取若干训练图像，对训练图像中的甲状腺癌区域进行标记，所述训练图像中包括甲状腺癌区域；
2.根据权利要求1所述的一种基于深度神经网络的甲状腺癌图像比对模型建立方法，其特征在于，获取若干训练图像，对训练图像中的甲状腺癌区域进行标记包括：将训练图像进行像素点划分，基于像素点建立二维坐标系；
3.根据权利要求2所述的一种基于深度神经网络的甲状腺癌图像比对模型建立方法，其特征在于，对甲状腺区域进行灰度特征提取，对若干训练图像的甲状腺区域进行灰度特征训练，得到灰度比对参数包括：在二...
【技术特征摘要】
1.一种基于深度神经网络的甲状腺癌图像比对模型建立方法，其特征在于，包括：获取若干训练图像，对训练图像中的甲状腺癌区域进行标记，所述训练图像中包括甲状腺癌区域；
2.根据权利要求1所述的一种基于深度神经网络的甲状腺癌图像比对模型建立方法，其特征在于，获取若干训练图像，对训练图像中的甲状腺癌区域进行标记包括：将训练图像进行像素点划分，基于像素点建立二维坐标系；
3.根据权利要求2所述的一种基于深度神经网络的甲状腺癌图像比对模型建立方法，其特征在于，对甲状腺区域进行灰度特征提取，对若干训练图像的甲状腺区域进行灰度特征训练，得到灰度比对参数包括：在二维坐标系中将比对像素点之外的像素点设定为外围像素点；
4.根据权利要求3所述的一种基于深度神经网络的甲状腺癌图像比对模型建立方法，其特征在于，所述比对参数提取方法包括：获取输入的一组灰度值的最大值和最小值，分别设定为灰度最大值和灰度最小值；一组灰度值包括若干比对轮廓灰度、若干外围相接灰度或若干灰度比对值中的一组；
5.根据权利要求2所述的...
【专利技术属性】
技术研发人员：骆惊涛，刘进，孙仲豪，赵凌昆，
申请(专利权)人：天津市肿瘤医院天津医科大学肿瘤医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。