fasterrcnn病灶识别

Posted 2023-03-27

参考技术A 本发明涉及医疗图像识别的技术领域，尤其是指一种基于fasterr-cnn的甲状腺肿瘤超声图像自动识别方法。

背景技术

近年来，随着硬件的提升，人工智能兴起的浪潮带给了人们智能化的生活，而为人工智能的发展带来突破性拐点的当属深度学习了。深度学习可以极大地减少人为提取特征的过程，广泛地应用在图像处理，自然语言处理等任务上。而深度学习技术也慢慢地应用在了医疗领域，医疗图像的解读通常依赖于医生，具有较强的主观性，医生在高强度的工作下，连续大量读片可能漏诊或误诊。

传统的医疗图像识别借助于计算机辅助诊断系统(cad)以辅助医生分析和判断医学数据，渐渐地发展为通过利用图像分割技术结合机器学习的方法来进行医疗图像识别，最近也开始利用深度学习技术代替机器学习的方法，但是仍然依赖于图像分割技术然后在利用机器学习或者深度学习的方法。本发明深度学习在图像处理方面的优势，通过自动分析肿瘤图像的特征，能够实现一种端到端训练而不用图像分割的甲状腺肿瘤超声图像自动识别方法，从而辅助医生的判断，减少工作量，提高效率。