-
公开(公告)号：CN112991295B
公开(公告)日：2023-04-07
申请号：CN202110272069.X
申请日：2021-03-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像分析领域，具体涉及了一种基于深度学习的淋巴结转移影像分析系统、方法及设备，旨在解决现有技术无法很好地针对非小细胞癌图像进行是否发生淋巴结转移的无创预测的问题。本发明包括：获取包含病灶微环境的待分析CT图像，获取与所述CT图像相同被试的影像学征象和临床信息，分别提取一维CT图像特征和一维临床信息特征，并进行特征增强和归一化处理再通过全连接层进行融合生成融合特征向量，对融合特征向量进行分类获得分析结果。本发明实现了对非小细胞肺癌淋巴结转移影像数据的分类，相较于现有的基于预定义图像特征的传统向量模型具有较好的鲁棒性和泛化能力，有效提高病人的预后效果。
-
公开(公告)号：CN112991295A
公开(公告)日：2021-06-18
申请号：CN202110272069.X
申请日：2021-03-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像分析领域，具体涉及了一种基于深度学习的淋巴结转移影像分析系统、方法及设备，旨在解决现有技术无法很好地针对非小细胞癌图像进行是否发生淋巴结转移的无创预测的问题。本发明包括：获取包含病灶微环境的待分析CT图像，获取与所述CT图像相同被试的影像学征象和临床信息，分别提取一维CT图像特征和一维临床信息特征，并进行特征增强和归一化处理再通过全连接层进行融合生成融合特征向量，对融合特征向量进行分类获得分析结果。本发明实现了对非小细胞肺癌淋巴结转移影像数据的分类，相较于现有的基于预定义图像特征的传统向量模型具有较好的鲁棒性和泛化能力，有效提高病人的预后效果。
-
Search Results
2
records
(took 0.025 seconds)
