-
公开(公告)号：CN112419247B
公开(公告)日：2022-03-18
申请号：CN202011263480.2
申请日：2020-11-12
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/33 , G06K9/62 , G06V10/764 , G06V10/80
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于机器学习的MR图像脑肿瘤检测方法和系统。本发明中，首先对于每种模态数据，分别从横断面、冠状面和矢状面构建多个方向的灰度共生矩阵，以选取和计算更多空间关系特征；然后使用特征秩融合方式将三个方向特征有效结合，以去除冗余特征；最后将所选特征输入支持矢量机分类器进行训练；本发明考虑到不同模态图像所存在的冗余信息，使用秩融合筛选出最有区别性的特征，从而训练出鲁棒性和精确性极高的单发性转移瘤和胶质瘤分类器，有效弥补了临床现有不足，增强了医生的诊断能力。本发明方法鉴别诊断单发性转移瘤和胶质瘤的AUC值达到93.23%，能有效协助医生做出诊断。
-
公开(公告)号：CN112419247A
公开(公告)日：2021-02-26
申请号：CN202011263480.2
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于机器学习的MR图像脑肿瘤检测方法和系统。本发明中，首先对于每种模态数据，分别从横断面、冠状面和矢状面构建多个方向的灰度共生矩阵，以选取和计算更多空间关系特征；然后使用特征秩融合方式将三个方向特征有效结合，以去除冗余特征；最后将所选特征输入支持矢量机分类器进行训练；本发明考虑到不同模态图像所存在的冗余信息，使用秩融合筛选出最有区别性的特征，从而训练出鲁棒性和精确性极高的单发性转移瘤和胶质瘤分类器，有效弥补了临床现有不足，增强了医生的诊断能力。本发明方法鉴别诊断单发性转移瘤和胶质瘤的AUC值达到93.23%，能有效协助医生做出诊断。
-
Search Results
2
records
(took 0.014 seconds)
