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！

摘要：本发明公开了一种针对中耳疾病的智能分类处理方法，包括以下步骤：S1、通过算法自动提取中耳特征图像集；S2、通过对比网络得到最终特征3D数据块：对比网络基于孪生网络构建由两个共享参数和权重的卷积神经网络，比较输入图像和标准图像之间的相似性，得到最终特征3D数据块；S3、基于3D卷积神经网络构建由3D卷积操作和Leakyrelu交替进行下采样的网络，并在网络后续连接一个自构建的全连接分析来给出最后的预测结果。本发明能适应高分辨率CT图像的连续数据模式，能更好地反应疾病的情况，在分析过程中减弱数据特征并控制数据规模，最后实现辅助高精度自动诊断中耳疾病的效果，整个诊断过程不需要依靠人工干预。

主权项：1.一种针对中耳疾病的智能分类处理方法，其特征在于，包括以下步骤：S1、通过算法自动提取中耳特征图像：通过RPN算法在每个输入图像上推荐大量候选区域，然后输出大多数区域的分类概率值，并选择最大推荐概率的两个选择框，利用对选取框中心点进行线性插值的方法来获得中间选项，从而自动提取中耳特征图像，以此来确保每个层面的中耳特征图的选取准确性；S2、通过对比网络得到最终特征3D数据块：所述对比网络基于孪生网络构建，所述对比网络的前半部分由两个共享结构和参数的卷积神经网络组成，并用于解析输入图像和标准图像的信息，所述对比网络的后半部分由比较输入图像和标准图像之间的相似性的自构建神经网络组成，所述对比网络保留与标准图像相似的中耳特征图像组，并构建患者双边中耳特征数据块；S3、利用3D卷积神经网络给出诊断结果：基于3D卷积神经网络构建由3D卷积操作和Leakyrelu交替进行下采样的网络，并在网络后续连接一个自构建的全连接分析方法来给出最后的预测结果；步骤S1中，所述RPN算法为基于区域建议网络的RPN算法，根据原CT图像大小将中耳特征部分的选择框设置为固定大小的像素，通过确定中耳结构位于图像的中心，以标准化中耳特征图，在选择检测结果时将图像的中心作为选择目标，生成固定大小的检测框，并截取检测框中间的图像作为结果；步骤S3中，所述3D卷积神经网络将全尺寸特征图像块编码定义为特征块，然后将深层特征图延展为1024维的信息向量，并通过全连接计算给出最后所预测的输入图像针对慢性化脓性中耳炎、中耳胆脂瘤和正常的置信度，给出最后的预测结果；步骤S3中，所述3D卷积神经网络的具体构建步骤为：在3D-CNN输入前，孪生网络部分会将提取的5张中耳特征图像拼接得到了一个100×100×3×5的中耳特征图像块，通过3次递进的3D卷积模块与池化操作，将原尺寸的特征图像块编码为4×4×1×64的特征块，在3D-CNN中，每个3D卷积块操作由两个3D卷积操作以及中间的一个leakyReLu组成，通过设定卷积过程中是否延拓控制图像的收缩过程，经过3轮下采样后，将所获得的特征图重塑为1024维的特征向量，并经过稠密全连接模块对提取出来的特征进行最后的分析。

全文数据：

权利要求：

百度查询： 中南大学湘雅医院 一种针对中耳疾病的智能分类处理方法