公开(公告)号：CN110827275A

公开(公告)日：2020-02-21

申请号：CN201911157464.2

申请日：2019-11-22

Applicant: 吉林大学第一医院

Inventor： 张惠茅 ,  刘晓鸣 ,  付宇 ,  张磊 ,  郭钰

IPC: G06T7/00 ,  G06T7/50 ,  G06T7/10 ,  G16H30/20 ,  G06N3/04

Abstract: 本发明提供了一种基于树莓派和深度学习的肝脏核磁动脉期影像质量分级方法，包括：步骤一、采集肝脏核磁动脉期影像并进行预处理得到灰度图像，得到质量分级的训练样本数据集；步骤二、将训练样本数据集进行分类并构建卷积神经网络模型；步骤三、利用全局平均池化运算进行特征可视化运算得到特征可视化热图；步骤四、筛选特征可视化热图；步骤五、将特征图的深度抽象特征输入分类器进行二次训练，得到普美显肝脏核磁质量控制分级模型；步骤六、输入待分类的患者肝脏核磁动脉期影像，得到普美显肝脏核磁动脉期影像的分级预测结果，本发明构建的卷积神经网络模型，能够对普美显肝脏核磁动脉期影像进行准确的质量分级。

公开(公告)号：CN110827275B

公开(公告)日：2023-12-22

申请号：CN201911157464.2

申请日：2019-11-22

Applicant: 吉林大学第一医院

Inventor： 张惠茅 ,  刘晓鸣 ,  付宇 ,  张磊 ,  郭钰

IPC: G06T7/00 ,  G06T7/50 ,  G06T7/10 ,  G16H30/20 ,  G06N3/0464

Abstract: 本发明提供了一种基于树莓派和深度学习的肝脏核磁动脉期影像质量分级方法，包括：步骤一、采集肝脏核磁动脉期影像并进行预处理得到灰度图像，得到质量分级的训练样本数据集；步骤二、将训练样本数据集进行分类并构建卷积神经网络模型；步骤三、利用全局平均池化运算进行特征可视化运算得到特征可视化热图；步骤四、筛选特征可视化热图；步骤五、将特征图的深度抽象特征输入分类器进行二次训练，得到普美显肝脏核磁质量控制分级模型；步骤六、输入待分类的患者肝脏核磁动脉期影像，得到普美显肝脏核磁动脉期影像的分级预测结果，本发明构建的卷积神经网络模型，能够对普美显肝脏核磁动脉期影像进行准确的质量分级。