-
公开(公告)号:CN117094980A
公开(公告)日:2023-11-21
申请号:CN202311124040.2
申请日:2023-09-01
Applicant: 徐州工程学院
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N3/096
Abstract: 本发明提供了基于深度学习的超声乳腺结节图像可解释性方法,首先利用经过专业医生标注的数据集训练Deeplabv3+网络作为分割网络模型,对乳腺结节进行精准定位和分割,再利用预训练AlexNet网络模型进行迁移学习,对乳腺结节进行良恶性分类,首先使用非属性方法,根据医生视角下的结节特征对结节进行边界和内核的分割切块,对子图像进行集成学习得出综合判别的可解释性诊断结果。再使用属性方法,利用多种可视化工具,将模型网络行为转换为用户可以解释的输出,提高可解释性。最后利用Matlab App Designer设计人机交互软件。本发明实现了深度学习模型在乳腺结节影像识别领域上的可解释性,减轻患者心理负担,提高乳腺癌良恶性识别的诊断准确率。
-
公开(公告)号:CN118628509B
公开(公告)日:2025-04-08
申请号:CN202410775189.5
申请日:2024-06-17
Applicant: 江苏锦源医疗科技有限公司 , 徐州工程学院
Abstract: 本发明公开了用于甲状腺结节和乳腺结节的超声弹性成像分割方法及系统,涉及超声弹性成像分割技术领域。该用于甲状腺结节和乳腺结节的超声弹性成像分割方法及系统,通过设置图像获取模块、特征提取模块、模型构建模块、图像分割模块、模型评估模块,结合了通道注意力机制优化的解码器和跳跃连接构建图像分割模型,在模型底层阶段更加注重分割区域的定位准确性,增加了模型分割的查准能力。在模型浅层阶段更加注重分割区域边缘的识别,增加了模型的分割查全能力,精准的分割甲状腺结节和乳腺结节对判断甲状腺癌和乳腺癌是否转移具有重要意义,在超声弹性图像中获得了良好的甲状腺结节和乳腺结节分割效果,具有较高的临床应用价值。
-
公开(公告)号:CN118628509A
公开(公告)日:2024-09-10
申请号:CN202410775189.5
申请日:2024-06-17
Applicant: 江苏锦源医疗科技有限公司 , 徐州工程学院
Abstract: 本发明公开了用于甲状腺结节和乳腺结节的超声弹性成像分割方法及系统,涉及超声弹性成像分割技术领域。该用于甲状腺结节和乳腺结节的超声弹性成像分割方法及系统,通过设置图像获取模块、特征提取模块、模型构建模块、图像分割模块、模型评估模块,结合了通道注意力机制优化的解码器和跳跃连接构建图像分割模型,在模型底层阶段更加注重分割区域的定位准确性,增加了模型分割的查准能力。在模型浅层阶段更加注重分割区域边缘的识别,增加了模型的分割查全能力,精准的分割甲状腺结节和乳腺结节对判断甲状腺癌和乳腺癌是否转移具有重要意义,在超声弹性图像中获得了良好的甲状腺结节和乳腺结节分割效果,具有较高的临床应用价值。
-
-