技术特征：
技术总结
本发明公开了基于深度学习的胃肠间质瘤术后风险检测方法和系统，其中方法步骤包括：获取原始病例图像数据集和复发病例图像数据集；提取感兴趣区域并进行预处理；构建残差网络模型，对第二图像数据集中图像数据进行重采样；对残差网络模型进行训练；获取待检测数据并输入至残差网络模型得出检测结果。本发明采用病例样本的腹部增强期薄层CT图像通过残差网络模型进行深度学习，实现对其进行分类，用于胃肠间质瘤术后风险检测判断；同时还可结合RMS‑prop优化算法进行训练、采用基于投票的集成方法实现对较小样本量的对象的分类，增加判断的准确性和稳定性。本发明作为基于深度学习的胃肠间质瘤术后风险检测方法和系统可广泛应用于数据处理领域。
技术研发人员：陈韬;李国新
受保护的技术使用者：南方医科大学南方医院
技术研发日：2018.06.25
技术公布日：2019.01.04