公开(公告)号：CN113707278B

公开(公告)日：2023-11-03

申请号：CN202110999764.6

申请日：2021-08-30

Applicant: 北京工业大学

Inventor： 张晓丹 ,  张梦隆 ,  刘颖 ,  王筝

IPC: G16H30/40 ,  G16H15/00 ,  G06T5/50 ,  G06V10/774 ,  G06N3/044 ,  G06F40/289 ,  G06F40/216

Abstract: 本发明涉及一种基于空间编码的脑CT医学报告生成方法，用于解决现有技术无法为脑CT图像生成准确的医学报告的问题。首先，构建数据集并进行预处理，得到序列脑CT图像特征和多尺度超像素特征两种特征；其次，通过编码模型MSSE对序列脑CT图像特征和多尺度超像素特征进行特征编码，从而得到包含脑CT空间信息的序列图像特征。然后采用解码模型SALD对包含脑CT空间信息的序列图像特征进行解码从而生成脑CT医学报告，SALD解码模型包含空间注意力和LSTM两个部分，空间注意力用于提取重要的序列图像特征，最终得到整个CT影像的图像特征；LSTM将整个CT影像的图像特征作为输入，最终生成脑CT医学报告。

公开(公告)号：CN113707278A

公开(公告)日：2021-11-26

申请号：CN202110999764.6

申请日：2021-08-30

Applicant: 北京工业大学

Inventor： 张晓丹 ,  张梦隆 ,  刘颖 ,  王筝

IPC: G16H30/40 ,  G16H15/00 ,  G06T5/50 ,  G06N3/04 ,  G06K9/62 ,  G06F40/289 ,  G06F40/216

Abstract: 本发明涉及一种基于空间编码的脑CT医学报告生成方法，用于解决现有技术无法为脑CT图像生成准确的医学报告的问题。首先，构建数据集并进行预处理，得到序列脑CT图像特征和多尺度超像素特征两种特征；其次，通过编码模型MSSE对序列脑CT图像特征和多尺度超像素特征进行特征编码，从而得到包含脑CT空间信息的序列图像特征。然后采用解码模型SALD对包含脑CT空间信息的序列图像特征进行解码从而生成脑CT医学报告，SALD解码模型包含空间注意力和LSTM两个部分，空间注意力用于提取重要的序列图像特征，最终得到整个CT影像的图像特征；LSTM将整个CT影像的图像特征作为输入，最终生成脑CT医学报告。

公开(公告)号：CN112633416A

公开(公告)日：2021-04-09

申请号：CN202110058684.0

申请日：2021-01-16

Applicant: 北京工业大学

Inventor： 冀俊忠 ,  张梦隆 ,  张晓丹

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T5/50 ,  G06T7/10

Abstract: 一种融合多尺度超像素的脑CT图像分类方法，属于医学图像研究领域。所述方法具有以下特点：1)利用多尺度超像素与脑CT图像融合，去除了图像冗余信息，降低了病灶和周围脑组织像素的灰度相似性。2)设计了一种基于区域和边界的多尺度超像素编码器，有效的提取多尺度超像素中包含的病灶低层次信息。3)设计了一种融合多尺度超像素特征融合模型，综合利用了残差神经网络提取的高层次特征和多尺度超像素的低层次特征，实现对脑CT的分类。4)相比传统深度学习算法，本发明所述方法可以有效利用多尺度超像素中包含的病灶信息，从而更准确地对脑CT图像中存在的疾病进行分类，且该方法合理可靠，可为脑CT图像的分类提供有力的帮助。