专利名称：一种基于卷积神经网络检测CT图像的方法      申请号：2018113164154     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：医疗影像处理 人工智能 计算机视觉 医学诊断辅助系统   相似专利 发布日：2025/09/03  
摘要： 本发明公开了一种基于卷积神经网络检测CT图像的方法，包括如下步骤：S1、提供病人的CT图像、基因组表达谱、蛋白质表达谱、吸烟情况和工作环境信息，并对CT图像进行标注获得数据集；S2、根据步骤S1所述信息搭建一个主要神经网络和四个次要神经网络，其中，主要神经网络以卷积神经网络为主体，四个次要神经网络分别用于分析基因组表达谱、蛋白质表达谱、吸烟情况和工作环境对病人病情影响的大小并输出相应的权值；S3、用已标注的数据集对所述主要神经网络进行训练，代入所述次要神经网络输出的权值，以判断病人的CT图像是否具有肺癌相应特征。采用本发明的方法检测CT图像，可以辅助医生显著提高肺癌诊断的准确率和效率。

专利名称：一种基于卷积神经网络的三维肺结节识别方法      申请号：201811243707X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：医疗影像处理 人工智能 计算机视觉 医学诊断辅助系统   相似专利 发布日：2025/09/03  
摘要： 本发明涉及医学图像分析领域和深度学习领域，为基于卷积神经网络的三维肺结节识别方法，包括步骤：肺部三维CT图像数据集预处理，将预处理后的CT图像数据集分成训练数据集和测试数据集；建立DenseNet和SENet相结合的神经网络模型，并设置其超参数；将训练数据集导入神经网络模型中，采用随机梯度下降算法和学习率逐步递减的方式进行训练，待模型充分收敛之后，保存并导出模型结构和权重参数，得到训练好的神经网络模型；用神经网络模型对测试数据集中每组三维CT图像进行测试，得到肺结节识别结果。该方法可分析出三维CT影像中是否含有肺结节及其具体位置，解决了深度卷积神经网络可能出现梯度消失、梯度爆炸或退化问题导致肺结节识别准确率低的问题。

专利名称：一种基于探路者智能搜索算法的医疗影像处理方法及装置      申请号：2019111533924     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机软件 医疗影像处理   相似专利 发布日：2025/08/12  
摘要： 本发明提供一种基于探路者智能搜索算法的医疗影像处理方法及装置，所述方法包括：获取输入的待处理医疗影像I(i,j)，将图像分割为n个窗口，对n个窗口中的每一个窗口，采用中值滤波去除噪声，得到无噪声图像IF(i,j)；基于灰度共生矩阵(GLCM)特征提取方法从所述无噪声图像IF(i,j)中提取图像的纹理参数，所述纹理参数包括相邻像素之间的对比度、关联度、角二阶矩、逆差分矩(IDM)、熵，并构建GLCM特征；利用探路者智能搜索算法从构建的GLCM特征提取重要纹理特征；将提取到的所述重要纹理特征输入训练好的核极限学习机KELM，得到所述待处理医疗影像的分类、识别结果。根据本发明的方案，能够提高超声图像识别的准确性，提高超声图像分类、图像识别的效率。

专利名称：一种基于人工蝴蝶优化算法的医疗影像处理方法及装置      申请号：2019111534039     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机软件 优化算法 医疗影像处理   相似专利 发布日：2024/12/06  
摘要： 本发明提供一种基于人工蝴蝶优化算法的医疗影像处理方法及装置，所述方法包括：获取输入的待处理医疗影像I(i,j)，将图像分割为n个窗口，对n个窗口中的每一个窗口，采用中值滤波去除噪声，得到无噪声图像IF(i,j)；基于多核局部判别分析MKLFDA方法构建核函数，从所述无噪声图像IF(i,j)中提取图像的特征矩阵，并将所述特征矩阵降维为一维向量形式；利用人工蝴蝶优化算法从所述无噪声图像IF(i,j)的一维向量形式中提取重要特征；将提取到的所述重要特征输入训练好的相关向量机RVM，得到所述待处理医疗影像的分类、识别结果。根据本发明的方案，能够提高超声图像识别的准确性，提高超声图像分类、图像识别的效率。