-
公开(公告)号：CN113066081A
公开(公告)日：2021-07-02
申请号：CN202110422631.2
申请日：2021-04-15
Applicant: 哈尔滨理工大学
Abstract: 一种基于三维MRI图像的乳腺肿瘤分子亚型检测方法，计算机图像处理技术领域；其具体步骤为训练一个全卷积FCN模型，利用3D U‑Net架构对乳腺MRI图像中肿瘤区域及进行分割提取，将分割出的肿瘤区域图像作为输入，传入所提出的3D卷积神经网络，通过softmax函数输出肿瘤分属四种类型的概率，从而预测肿瘤的分子亚型。本发明自动提取图像中肿瘤区域，利用3D卷积网络对每个肿瘤区域进行分子亚型分型的评估。组织病理学检查是乳腺癌诊断的“金标准”，但是对患者的创伤大，检测需要一定的时间，影响患者的预后。基于三维MRI图像的乳腺肿瘤分子亚型检测在初步筛查阶段发现并鉴别乳腺肿瘤的分子亚型，能够辅助医师选择针对性治疗药物，对改善患者预后具有重要意义。
-
公开(公告)号：CN113192035A
公开(公告)日：2021-07-30
申请号：CN202110488056.6
申请日：2021-04-30
Applicant: 哈尔滨理工大学
Abstract: 一种基于U‑Net网络改进的乳腺MRI分割方法。目前，动态对比增强磁共振成像(DCE‑MRI)已被证明是一种有效的辅助诊断工具，可用于乳腺癌的早期发现和诊断。然而，没有CAD(计算机辅助检测)系统，手动DCE‑MRI检查是比较困难、且容易出错的。在典型的CAD中，乳腺组织分割的早期阶段，通过移除外部组织和空气来减少用于分析的体素数量，从而提高可靠性和减少计算工作量。基于此提出一种基于U‑Net网络改进的乳腺MRI分割方法，来提高乳腺组织的分割精度，为后续乳腺肿瘤的分割提高可靠性和减少计算量。
-
公开(公告)号：CN113066081B
公开(公告)日：2023-07-18
申请号：CN202110422631.2
申请日：2021-04-15
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T5/00 , G06N3/0464
Abstract: 一种基于三维MRI图像的乳腺肿瘤分子亚型检测方法，计算机图像处理技术领域；其具体步骤为训练一个全卷积FCN模型，利用3D U‑Net架构对乳腺MRI图像中肿瘤区域及进行分割提取，将分割出的肿瘤区域图像作为输入，传入所提出的3D卷积神经网络，通过softmax函数输出肿瘤分属四种类型的概率，从而预测肿瘤的分子亚型。本发明自动提取图像中肿瘤区域，利用3D卷积网络对每个肿瘤区域进行分子亚型分型的评估。组织病理学检查是乳腺癌诊断的“金标准”，但是对患者的创伤大，检测需要一定的时间，影响患者的预后。基于三维MRI图像的乳腺肿瘤分子亚型检测在初步筛查阶段发现并鉴别乳腺肿瘤的分子亚型，能够辅助医师选择针对性治疗药物，对改善患者预后具有重要意义。
-
公开(公告)号：CN113192036A
公开(公告)日：2021-07-30
申请号：CN202110489066.1
申请日：2021-04-30
Applicant: 哈尔滨理工大学
Abstract: 一种基于三维MRI图像的多平面乳腺肿瘤分割方法，计算机图像处理技术领域；其具体步骤是首先将3D‑MRI图像从不同的投影面切片成2D图像，利用3个改进2D U‑Net网络对每个投影面得到的2D图像进行肿瘤分割，将每个投影面的分割结果按照顺序再堆叠为3D体积，再通过一定的组合规则把每个投影面堆得到的三维体融合成一个，作为最终的3D分割结果。其中改进的2D U‑net网络是在编码器和解码器之间加入了注意力模块，来增强重要的特征(如肿瘤组织特征)，从而提高网络的表征能力。基于三维MRI图像的多平面乳腺肿瘤分割方法实现了肿瘤的精准分割，是乳腺肿瘤计算机辅助诊断中重要的临床需求,并且对后续有效分类、选择合适的治疗方案和预测效果具有重要意义。
-
-
-
Search Results
4
records
(took 0.018 seconds)
