-
公开(公告)号：CN110070935A
公开(公告)日：2019-07-30
申请号：CN201910211463.5
申请日：2019-03-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于对抗神经网络的医学图像合成方法、分类方法及装置，旨在解决脑疾病分类任务中训练样本不足带来的准确度不能满足需求的问题，本发明合成方法包括：获取第一特征图像集及第二特征图像集；构建包括类别损失计算功能的循环生成对抗模型；基于所述第一特征图像集和所述第二特征图像集训练所述循环生成对抗模型；以及当样本分类损失满足条件时，将所述循环生成对抗模型生成的图像作为样本数据。本发明在Cycle-GAN网络模型基础上添加类别损失使合成脑图像更加真实，通过无监督的方式增加了两倍的样本量，解决了使用深度学习方法进行脑疾病分类过程中出现的样本量不足的问题，可以提升分类准确度。
-
公开(公告)号：CN109165667B
公开(公告)日：2022-02-22
申请号：CN201810739141.3
申请日：2018-07-06
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G16H50/20
Abstract: 本发明涉及图像处理技术领域，并提出了一种基于自注意力机制的脑疾病分类系统，旨在解决脑疾病分类诊断中需要对磁共振影像进行预处理、特征提取和特征选择的复杂过程及其所导致的分类准确率不高的技术问题。为此目的，本发明中的基于自注意力机制的脑疾病分类系统包括：对获取脑疾病病人的人脑磁共振影像进行预处理，得到人脑的灰质密度图；利用预先构建的脑疾病分类模型对所述灰质密度图进行脑疾病分类，得到所述脑疾病病人的脑疾病类别；其中，所述预先构建的脑疾病分类模型是基于自注意力机制构建的三维卷积神经网络模型。本发明实施例所示的系统可以快速、准确的分类脑疾病的类别。
-
公开(公告)号：CN110070935B
公开(公告)日：2021-04-30
申请号：CN201910211463.5
申请日：2019-03-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医学图像处理技术领域，具体涉及一种基于对抗神经网络的医学图像合成方法、分类方法及装置，旨在解决脑疾病分类任务中训练样本不足带来的准确度不能满足需求的问题，本发明合成方法包括：获取第一特征图像集及第二特征图像集；构建包括类别损失计算功能的循环生成对抗模型；基于所述第一特征图像集和所述第二特征图像集训练所述循环生成对抗模型；以及当样本分类损失满足条件时，将所述循环生成对抗模型生成的图像作为样本数据。本发明在Cycle‑GAN网络模型基础上添加类别损失使合成脑图像更加真实，通过无监督的方式增加了两倍的样本量，解决了使用深度学习方法进行脑疾病分类过程中出现的样本量不足的问题，可以提升分类准确度。
-
公开(公告)号：CN109165667A
公开(公告)日：2019-01-08
申请号：CN201810739141.3
申请日：2018-07-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及图像处理技术领域，并提出了一种基于自注意力机制的脑疾病分类系统，旨在解决脑疾病分类诊断中需要对磁共振影像进行预处理、特征提取和特征选择的复杂过程及其所导致的分类准确率不高的技术问题。为此目的，本发明中的基于自注意力机制的脑疾病分类系统包括：对获取脑疾病病人的人脑磁共振影像进行预处理，得到人脑的灰质密度图；利用预先构建的脑疾病分类模型对所述灰质密度图进行脑疾病分类，得到所述脑疾病病人的脑疾病类别；其中，所述预先构建的脑疾病分类模型是基于自注意力机制构建的三维卷积神经网络模型。本发明实施例所示的系统可以快速、准确的分类脑疾病的类别。
-
-
-
Search Results
4
records
(took 0.032 seconds)
