-
公开(公告)号：CN109598709B
公开(公告)日：2023-05-26
申请号：CN201811440304.4
申请日：2018-11-29
Applicant: 东北大学
Abstract: 本发明提供一种基于融合深度特征的乳腺辅助诊断系统及方法，涉及医学图像后处理技术领域。系统包括预处理单元、肿块检测单元、融合深度特征提取单元和肿块诊断单元，对原始乳腺图像进行预处理，将乳腺区域分割成若干个互不重叠的子区域；利用卷积神经网络CNN提取乳腺子区域深度特征，利用US‑ELM对各子区域深度特征进行聚类，得到乳腺肿块与非肿块区域；利用卷积神经网络CNN提取肿块深度特征，同时提取肿块形态、纹理特征，将肿块深度、形态、纹理特征融合成融合深度特征；利用超限学习机ELM对融合深度特征进行学习，最终得到肿块的良恶性诊断结果。本发明应用到乳腺辅助诊断中，能有效辅助乳腺疾病的准确诊断。
-
公开(公告)号：CN109598709A
公开(公告)日：2019-04-09
申请号：CN201811440304.4
申请日：2018-11-29
Applicant: 东北大学
Abstract: 本发明提供一种基于融合深度特征的乳腺辅助诊断系统及方法，涉及医学图像后处理技术领域。系统包括预处理单元、肿块检测单元、融合深度特征提取单元和肿块诊断单元，对原始乳腺图像进行预处理，将乳腺区域分割成若干个互不重叠的子区域；利用卷积神经网络CNN提取乳腺子区域深度特征，利用US-ELM对各子区域深度特征进行聚类，得到乳腺肿块与非肿块区域；利用卷积神经网络CNN提取肿块深度特征，同时提取肿块形态、纹理特征，将肿块深度、形态、纹理特征融合成融合深度特征；利用超限学习机ELM对融合深度特征进行学习，最终得到肿块的良恶性诊断结果。本发明应用到乳腺辅助诊断中，能有效辅助乳腺疾病的准确诊断。
-
公开(公告)号：CN109146848A
公开(公告)日：2019-01-04
申请号：CN201810811670.X
申请日：2018-07-23
Applicant: 东北大学
CPC classification number: G06T7/0012 , G06K9/4604 , G06K9/629 , G06K2009/4666 , G06K2209/055 , G06T5/002 , G06T7/41 , G06T7/45 , G06T2207/10132 , G06T2207/20084 , G06T2207/20104 , G06T2207/20221 , G06T2207/30068
Abstract: 本发明涉及一种融合多模态乳腺图像的计算机辅助参考系统及方法，步骤为：对同一患者的乳腺超声和钼靶影像进行图像预处理；以预处理后的乳腺超声和钼靶图像作为输入，获取乳腺图像中肿块区域，获取超声图像的感兴趣区域和乳腺钼靶图像的感兴趣区域；提取乳腺超声图像和乳腺钼靶图像的感兴趣区域的纹理特征及深度特征；将提取的GLCM、LBP、HIS纹理特征以及CNN深度特征进行串联融合，构建纹理‑深度融合特征模型；以纹理‑深度融合特征模型为输入，使用正则化极限学习机对乳腺肿块进行良恶性分类。本发明使用正则化极限学习机对乳腺肿块进行良恶性的分类，从临床需求出发，实现对乳腺肿块性质的判断，为医生诊断提供客观的参考依据。
-
-
Search Results
3
records
(took 0.015 seconds)
