公开(公告)号：CN116468732A

公开(公告)日：2023-07-21

申请号：CN202310219966.3

申请日：2023-03-09

Applicant: 中南大学 ,  湖南城市学院 ,  智相健康科技(北京)有限公司

Inventor： 周建存 ,  匡湖林 ,  王建新 ,  刘权

IPC: G06T7/10 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08 ,  G06T11/00

Abstract: 本发明公开了一种基于深度学习的肺部CT影像分割方法，包括获取已有的肺部CT图像数据集并预处理得到训练数据集；构建肺部CT影像分割原始模型并训练得到肺部CT影像分割模型；采用肺部CT影像分割模型对实际的肺部CT影像进行分割。本发明还公开了一种包括所述基于深度学习的肺部CT影像分割方法的成像方法。本发明能够实现更加准确的图像分割结果，能够加速收敛速度，在小规模数据集上也能够表现出较强的分割效果，能够实现更加精准的分割结果，而且能够避免特征崩溃，产生多样化的特征；因此本发明的可靠性高、精确性好且客观科学。

公开(公告)号：CN118095486A

公开(公告)日：2024-05-28

申请号：CN202410204638.0

申请日：2024-02-24

Applicant: 中南大学

Inventor： 陈先来 ,  王科 ,  安莹 ,  周建存 ,  何骞 ,  费雄伟 ,  龙岳红

IPC: G06N20/00 ,  G06V10/771 ,  G06V10/80

Abstract: 本发明提供一种基于参数传递联邦学习的影像组学数据模型构建方法，包括以下步骤：S1、按照项目发起单位要求，从医学影像中提取影像组学特征；S2、按照项目发起单位要求，使用多级特征选择方法，在参与医院本地生成最优特征子集；S3、基于上述S2结果，在联邦框架下，使用序列搜索和评价组合方法，融合多个中心特征子集，在中心服务器上生成联邦特征子集；S4、基于上述S3结果，在联邦框架下使用参数传递联邦学习算法，构建基于联邦学习的影像组学模型。该方法尽可能地接近于集中式机器学习训练流程，以解决因数据不平衡所带来的模型难收敛、性能差的问题。