公开(公告)号：CN110796672A

公开(公告)日：2020-02-14

申请号：CN201911057495.0

申请日：2019-11-04

Applicant: 哈尔滨理工大学

Inventor： 王波 ,  袁凤强 ,  何颖 ,  刘侠

IPC: G06T7/11 ,  G06T7/194 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于层次卷积神经网络的乳腺癌MRI分割方法，融合了多种算法，其具体步骤为，训练一个全卷积网络FCN模型，采用3D U-Net架构来获取输入图像的全局和局部结构信息；以乳房掩膜为引导，训练另外两个FCN模型，分别估计粗分割结果和细化初始结果；开发基于标记点的检测模型，以检测用于活检肿瘤选择和放射基因组学的两个标记点，很好的解决了乳腺DEC-MR图像分割中的常见问题，包括类不平衡问题和混淆等不易解决的问题，设计了学习框架来对乳腺肿瘤进行由粗到细的分割；使用肿瘤位置信息和标记信息来确定所有检测到的肿瘤中的活检肿瘤，自动检测，设计巧妙，精确率高，便于普及推广和使用。

公开(公告)号：CN113139981A

公开(公告)日：2021-07-20

申请号：CN202110542393.9

申请日：2021-05-18

Applicant: 哈尔滨理工大学

Inventor： 刘侠 ,  李博 ,  袁凤强 ,  高任远

IPC: G06T7/13 ,  G06T5/00 ,  G06T5/20 ,  G06T7/194 ,  G06T7/00 ,  G06K9/62

Abstract: 本发明公开了基于深度神经网络的DCE‑MRI乳腺肿瘤图像分割方法，涉及肿瘤技术领域；它的方法如下：步骤一：DCE‑MRI乳腺肿瘤图像预处理；步骤二：DCE‑MRI乳腺肿瘤边界定位；步骤三：DCE‑MRI乳腺肿瘤图像类别不平衡分类；本发明实现DCE‑MRI乳腺肿瘤图像的精准自动分割，辅助临床利用对肿瘤分割区域提取的相关特征进行结构和功能的多维度分析，判断肿瘤疾病病变情况，从而进行诊断、治疗规划及预后分析；乳腺肿瘤的精确分割将有助于临床对肿瘤的定量分析和特征提取，在诊断时的形态和解剖分析，治疗前的活检引导和规划、治疗中的跟踪和导航。