基于深度学习的头颅CT图像分类预测模型、方法及装置

    公开(公告)号:CN116912554A

    公开(公告)日:2023-10-20

    申请号:CN202310657990.5

    申请日:2023-06-05

    Abstract: 本发明公开了一种基于深度学习的头颅CT图像分类预测模型、方法及装置,其中,分类预测模型包括:图像对比度归一化模块,用于对输入的原始单层头颅CT平扫图像进行对比度归一化处理,生成处理后的单层头颅CT平扫图像;分类预测模块,用于利用图像特征提取器提取处理后的单层头颅CT平扫图像的图像特征,并利用分类头模块基于图像特征生成与预设类别对应的预测值,和,与预设类别对应的图像特征矩阵权重;梯度类别激活热图生成模块,用于基于图像特征矩阵权重生成激活热图,激活热图用以辅助确定病灶位置。通过该模型,可以快速、低成本的完成对头颅CT图像进行正常异常二分类的工作。而且,可以使分类结果更加准确。

    肺炎预后状态预测方法、装置、设备及介质

    公开(公告)号:CN118014928A

    公开(公告)日:2024-05-10

    申请号:CN202311572707.5

    申请日:2023-11-23

    Abstract: 本发明涉及肺炎预后状态评估技术领域,公开了一种肺炎预后状态预测方法、装置、设备及介质,包括:获取肺部CT图像和临床特征指标数据;将肺部CT图像分别输入三个图像分割模型中,得到肺炎渗出区域掩膜分割图像、肺叶区域掩膜分割图像和肺血管区域掩膜分割图像;根据肺炎渗出区域掩膜分割图像和肺叶区域掩膜分割图像计算肺炎区域体积占比,并根据肺血管区域掩膜分割图像计算细微肺血管容积占比;将对肺部CT图像进行截取获得的肺炎渗出区域CT图像、肺炎区域体积占比、细微肺血管容积占比和临床特征指标数据输入至预后状态分类模型来对肺炎预后状态进行预测。本发明能够实现对肺炎预后状态的精准评估,提高患者治疗效率,避免医疗资源浪费。

Patent Agency Ranking