【技术实现步骤摘要】
本专利技术属于肺癌预测系统，具体为一种基于深度学习的肺癌癌性类别预测系统。
技术介绍
1、基于深度学习的肺癌癌性类别预测系统是一种利用深度学习算法和技术来自动分析医学影像数据，以辅助医生在早期诊断肺腺癌方面做出更准确的决策的系统，其主要作用在于通过训练深度学习模型，使其能够识别和分析肺部影像中的特征，提供对患者是否患有腺癌的概率评估，这样的系统通常接收来自肺部ct扫描或其他医学成像技术的图像数据作为输入，然后利用深度学习神经网络进行特征提取和分类，最终输出一个概率值或分类结果，表明患者是否可能患有肺腺癌，通过自动化分析和提供辅助诊断意见，这样的系统有助于加快诊断过程，提高准确性，并为医生提供更全面的信息，从而改善肺腺癌的早期检测和治疗。
2、但是，在已有的肺癌癌性类别预测系统中，存在着进行肺癌癌性类别预测的图像数据集常存在数据质量良莠不齐且数据不平衡的技术问题；在已有的肺癌癌性类别预测系统中，存在着肺癌检测准确性和效率都有待提高，而肺癌检测的准确率很大程度影响后续肺癌癌性类别预测的技术效果的技术问题；在已有的肺癌癌性类别预测...
【技术保护点】
1.一种基于深度学习的肺癌癌性类别预测系统，其特征在于：包括数据采集模块、数据预处理模块、数据增强模块、肺癌检测模块和肺癌癌性类别预测模块；
2.根据权利要求1所述的一种基于深度学习的肺癌癌性类别预测系统，其特征在于：所述数据预处理，用于对原始图像数据进行基本优化处理，具体为对所述肺癌检测原始图像数据进行数据预处理，得到肺癌检测优化图像数据，具体包括以下步骤：
3.根据权利要求2所述的一种基于深度学习的肺癌癌性类别预测系统，其特征在于：所述数据增强，用于对优化图像进行图像特征增强，具体为对所述肺癌检测优化图像数据进行图像预处理和数据增强，得到肺...
【技术特征摘要】
1.一种基于深度学习的肺癌癌性类别预测系统，其特征在于：包括数据采集模块、数据预处理模块、数据增强模块、肺癌检测模块和肺癌癌性类别预测模块；
2.根据权利要求1所述的一种基于深度学习的肺癌癌性类别预测系统，其特征在于：所述数据预处理，用于对原始图像数据进行基本优化处理，具体为对所述肺癌检测原始图像数据进行数据预处理，得到肺癌检测优化图像数据，具体包括以下步骤：
3.根据权利要求2所述的一种基于深度学习的肺癌癌性类别预测系统，其特征在于：所述数据增强，用于对优化图像进行图像特征增强，具体为对所述肺癌检测优化图像数据进行图像预处理和数据增强，得到肺癌检测增强图像数据，具体包括以下步骤：
4.根据权利要求3所述的一种基于深度学习的肺癌癌性类别预测系统，其特征在于：所述肺癌检测，用于进行肺癌检测，所述深度集成二维卷积神经网络，包括输入层、第一卷积子网、第二卷积子网、第三卷积子网和输出层；
<...【专利技术属性】
技术研发人员：李文平，史丽静，王春节，
申请(专利权)人：中国人民解放军总医院第六医学中心，
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。