发明名称 |
一种基于深度学的医疗影像识别系统 |
摘要 |
一种基于深度学的医疗影像识别系统,包括:模型建立单元,用于建立基于深度学的医疗影像识别模型;包括:初始化子单元,用于建立初始卷积网络CNN1;通过500个样本对初始卷积网络CNN1进行训练,初始权重均匀分布在‑0.04‑0.04中随机参数,网络迭代次数为36次;第一进化子单元,用于根据网络生长队长对初始卷积网络CNN1进行一次生长得到深度网络CNN2;网络迭代次数为36次;第二进化子单元,用于再次对深度网络CNN2进行生长得到深度网络CNN3,对CNN3进行训练使得评价误差达到预设指标,且误差收敛速度小于设置阈值;从而得到基于深度学的医疗影像识别模型;输入待识别的医疗影像,并根据基于深度学的医疗影像识别模型对待识别的医疗影像进行识别,并输出识别结果。 |
申请公布号 |
CN106127783A |
申请公布日期 |
2016.11.16 |
申请号 |
CN201610510583.1 |
申请日期 |
2016.07.01 |
申请人 |
武汉泰迪智慧科技有限公司 |
发明人 |
李成华;刘丽君 |
分类号 |
G06T7/00(2006.01)I;G06F19/00(2011.01)I |
主分类号 |
G06T7/00(2006.01)I |
代理机构 |
武汉智嘉联合知识产权代理事务所(普通合伙) 42231 |
代理人 |
黄君军 |
主权项 |
一种基于深度学习的医疗影像识别系统,其特征在于,其包括如下单元:模型建立单元,用于建立基于深度学习的医疗影像识别模型;包括:初始化子单元,用于建立初始卷积网络CNN1;通过500个样本对初始卷积网络CNN1进行训练,初始权重均匀分布在‑0.04‑0.04中随机参数,网络迭代次数为36次;第一进化子单元,用于根据网络生长队长对初始卷积网络CNN1进行一次生长得到深度网络CNN2;网络迭代次数为36次;第二进化子单元,用于再次对深度网络CNN2进行生长得到深度网络CNN3,对CNN3进行训练使得评价误差达到预设指标,且误差收敛速度小于设置阈值;从而得到基于深度学习的医疗影像识别模型;识别单元,用于输入待识别的医疗影像,并根据基于深度学习的医疗影像识别模型对待识别的医疗影像进行识别,并输出识别结果。 |
地址 |
430000 湖北省武汉市东湖新技术开发区高新大道999号A5北2-509 |