-
公开(公告)号：CN109636806B
公开(公告)日：2022-12-27
申请号：CN201811399318.6
申请日：2018-11-22
Applicant: 浙江大学山东工业技术研究院
Abstract: 本发明公开了一种基于多步学习的三维核磁共振胰腺图像分割方法，包括：(1)归一化预处理三维核磁共振图像；(2)随机将预处理后的图像分为训练集、验证集和测试集；(3)利用分割标注将训练集中包含胰腺的块和对应的标注切出备用；(4)压缩原始图像训练一个Q‑net模型计算胰腺大致位置；(5)使用步骤3中的配对数据预训练另一个P‑net模型；(6)使用预训练的Q‑net产生胰腺的3D位置预测图，选取概率高的图块，映射回原图，分块输入预训练的P‑net中合并训练预测胰腺位置；(7)使用训练好的分割模型在测试集上进行预测检测效果。利用本发明，能够精确地从三维的核磁共振图像中分割出胰腺，可为胰腺的放射治疗提供依据和指导。
-
公开(公告)号：CN109658996B
公开(公告)日：2020-08-18
申请号：CN201811416427.4
申请日：2018-11-26
Applicant: 浙江大学山东工业技术研究院
IPC: G16H10/60
Abstract: 本发明公开了一种基于边信息的体检数据补全方法，包括(1)构建和根据边信息补全体检‑疾病矩阵、致病因子‑疾病矩阵、致病因子‑体检矩阵；(2)分别在任意两个矩阵之间建立编码解码网络D2F Net，D2C Net以及F2C Net；(3)联合训练D2F Net，D2C Net以及F2C Net，训练结束，致病因子‑疾病矩阵和致病因子‑体检矩阵已经被补全；(4)将待补全的体检‑疾病矩阵输入到D2F Net，D2C Net中，利用补全的致病因子‑疾病矩阵、致病因子‑体检矩阵和F2C Net，经计算补全体检‑疾病矩阵。还公开了一种基于边信息的体检数据补全装置，能够根据已有信息来补全体检数据和疾病结果。
-
公开(公告)号：CN109636806A
公开(公告)日：2019-04-16
申请号：CN201811399318.6
申请日：2018-11-22
Applicant: 浙江大学山东工业技术研究院
CPC classification number: G06T7/11 , G06N3/0454 , G06N3/08 , G06T7/13 , G06T7/136 , G06T7/70 , G06T2207/10088 , G06T2207/30096
Abstract: 本发明公开了一种基于多步学习的三维核磁共振胰腺图像分割方法，包括：(1)归一化预处理三维核磁共振图像；(2)随机将预处理后的图像分为训练集、验证集和测试集；(3)利用分割标注将训练集中包含胰腺的块和对应的标注切出备用；(4)压缩原始图像训练一个Q‑net模型计算胰腺大致位置；(5)使用步骤3中的配对数据预训练另一个P‑net模型；(6)使用预训练的Q‑net产生胰腺的3D位置预测图，选取概率高的图块，映射回原图，分块输入预训练的P‑net中合并训练预测胰腺位置；(7)使用训练好的分割模型在测试集上进行预测检测效果。利用本发明，能够精确地从三维的核磁共振图像中分割出胰腺，可为胰腺的放射治疗提供依据和指导。
-
公开(公告)号：CN109658996A
公开(公告)日：2019-04-19
申请号：CN201811416427.4
申请日：2018-11-26
Applicant: 浙江大学山东工业技术研究院
IPC: G16H10/60
Abstract: 本发明公开了一种基于边信息的体检数据补全方法，包括(1)构建和根据边信息补全体检-疾病矩阵、致病因子-疾病矩阵、致病因子-体检矩阵；(2)分别在任意两个矩阵之间建立编码解码网络D2F Net，D2C Net以及F2C Net；(3)联合训练D2F Net，D2C Net以及F2C Net，训练结束，致病因子-疾病矩阵和致病因子-体检矩阵已经被补全；(4)将待补全的体检-疾病矩阵输入到D2F Net，D2C Net中，利用补全的致病因子-疾病矩阵、致病因子-体检矩阵和F2C Net，经计算补全体检-疾病矩阵。还公开了一种基于边信息的体检数据补全装置，能够根据已有信息来补全体检数据和疾病结果。
-
-
-
Search Results
4
records
(took 0.025 seconds)
