公开(公告)号：CN110517241A

公开(公告)日：2019-11-29

申请号：CN201910781301.5

申请日：2019-08-23

Applicant: 吉林大学第一医院

Inventor： 张惠茅 ,  张磊 ,  郑爽 ,  李雪妍 ,  沈宁 ,  李明洋

IPC: G06T7/00 ,  G06T7/12 ,  G06T7/62 ,  G16H50/20 ,  A61B5/00 ,  A61B5/055

Abstract: 本发明公开了一种基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法，包括以下步骤：S1：构建带有标注的核磁成像IDEAL-IQ序列腹部影像作为深度学习训练样本集和测试样本集。本发明的计算算法包括机器学习中的U-Net深度学习网络、3D U-Net深度学习网络以及无监督AFKMC2聚类方法，本发明的算法需要用到IDEAL-IQ序列中脂像和水像，其中，3D U-Net深度学习网络和U-Net深度学习网络分别用于分割脂像中皮下脂肪轮廓以及水像中腹膜腔轮廓，无监督AFKMC2聚类方法用于分割脂像中内脏脂肪轮廓，本发明可得到准确率更高，速度更快的全自动定量腹部脂肪组织结果。

公开(公告)号：CN111462116A

公开(公告)日：2020-07-28

申请号：CN202010401162.1

申请日：2020-05-13

Applicant: 吉林大学第一医院

Inventor： 张惠茅 ,  李雪妍 ,  李明洋 ,  苗政 ,  郭钰

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/45 ,  G06T7/62 ,  G06K9/32 ,  G06K9/62 ,  G06N20/20

Abstract: 本发明公开了一种基于影像组学特征的多模态参数模型优化融合方法，包括：获取多种模态的医学影像，并对所述医学影像进行预处理；对预处理之后的医学影像进行区域分割，获取每一种模态医学影像对应的感兴趣区域；获取每一个感兴趣区域对应的高维影像组学特征；对所述高维影像组学特征进行划分得到训练集和测试集，并分别进行梯度降维得到低维影像组学特征标签；利用低维影像组学特征标签作为交叉训练数据集，利用不同算法训练多个候选参数模型；本发明通过绘制受试者工作特征曲线并计算所述受试者工作特征曲线下区域面积均值，并将所述区域面积均值最高者确定为最优参数模型，能够有效提取图像特征，以实现最大限度地挖掘医学影像信息。