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！

申请/专利权人：西安工业大学

摘要：本发明为一种基于深度学习的计算机辅助诊断方法，其克服了现有技术中存在的人工阅片效率低下、带来的主观性差异的问题，本发明借助计算机辅助诊断技术，辅助口腔医生发现病灶，提高对口腔粘膜性疾病诊断的准确率，平衡医疗资源。本发明包括以下步骤：步骤1：采集数据；步骤2：目标图片诊断功能；步骤3：图像剪裁功能；步骤4：图像缩放和平移功能：使用opencv设计图像的缩放和平移模块：步骤5：图像对比度功能；步骤6：图像旋转功能；步骤7：基于pyqt5设计应用程序界面，将所有功能进行封装，完成功能的测试；步骤8：打包成可执行文件；步骤9：软件测试，将口腔黏膜性疾病的图像拍摄上传至软件中，测试软件性能。

主权项：1.一种基于深度学习的计算机辅助诊断方法，其特征在于：包括以下步骤：步骤1：采集数据，通过口腔医生采集口腔病理图片，并对所有病理图片分类并标注上疾病诊断结果标签，建立具有疾病诊断标签的病理图像数据集；步骤2：目标图片诊断功能；步骤3：图像剪裁功能；使用pyqt5的信号与槽的原理，设计自定义裁剪模块，裁剪出ROI区域，将裁剪后的图片送入步骤2中最优的网络模型中进行检测；剔除与病变无关的部分，只使用ROI区域图片；步骤4：图像缩放和平移功能：使用opencv设计图像的缩放和平移模块：步骤5：图像对比度功能：调用Python图像处理库PIL的ImageEnhance模块；步骤6：图像旋转功能：调用opencv中的rotate函数，完成图片旋转90度的功能；使用cv2.rotate方法将2D数组旋转90度的倍数；步骤7：基于pyqt5设计应用程序界面，将所有功能进行封装，完成功能的测试；步骤8：打包成可执行文件，使用pyinstaller打包成可执行文件；步骤9：软件测试，将口腔黏膜性疾病的图像拍摄上传至软件中，测试软件性能；步骤2包括以下步骤：步骤2.1：去掉背景复杂，难以辩认的图片，对处理后的图像做批量图像增强，包括旋转、水平反转、对比度、随机剪裁和高斯噪声，将所有数据集中的图像缩放为224×224大小，方便模型训练；步骤2.2：构建深度学习网络模型，选择EfficientNet深度网络模型，利用keras和tensorflow深度学习框架，对目标图片进行诊断；步骤2.3：通过训练过程记录的日志对网络模型的参数进行调整，优化，使模型达到最优状态。

全文数据：

权利要求：

百度查询： 西安工业大学 基于深度学习的计算机辅助诊断方法