-
公开(公告)号：CN109685809B
公开(公告)日：2020-11-17
申请号：CN201811548266.4
申请日：2018-12-18
Applicant: 清华大学
Abstract: 本发明公开了一种基于神经网络的肝包虫病灶分割方法及系统，方法包括：S1、训练并验证囊性包虫病灶分割模型；S2、训练并验证泡性包虫病灶分割模型；S3、从一包虫CT图像中获取分割后的肝脏区域，将肝脏区域输入病灶识别模型，得到识别结果；S4、当确定识别结果为囊性包虫病灶时，将VOI区输入囊性包虫病灶分割模型，得到第一分割结果；S5、当确定识别结果为泡性包虫病灶时，对VOI区进行血管识别与分割，将血管分割结果和VOI区输入泡性包虫病灶分割模型，得到第二分割结果。本发明提供的方法及系统，通过各种模型对多模态医学影像进行融合识别与特征提取，协助医生进行包虫病筛查工作，提高诊断效率和准确率。
-
公开(公告)号：CN109685809A
公开(公告)日：2019-04-26
申请号：CN201811548266.4
申请日：2018-12-18
Applicant: 清华大学
CPC classification number: G06T7/11 , A61B6/032 , A61B6/5205 , A61B6/5211 , G06N3/0454 , G06T5/30 , G06T7/136 , G06T2207/10081 , G06T2207/20081 , G06T2207/20084 , G06T2207/30056 , G06T2207/30101
Abstract: 本发明公开了一种基于神经网络的肝包虫病灶分割方法及系统，方法包括：S1、训练并验证囊性包虫病灶分割模型；S2、训练并验证泡性包虫病灶分割模型；S3、从一包虫CT图像中获取分割后的肝脏区域，将肝脏区域输入病灶识别模型，得到识别结果；S4、当确定识别结果为囊性包虫病灶时，将VOI区输入囊性包虫病灶分割模型，得到第一分割结果；S5、当确定识别结果为泡性包虫病灶时，对VOI区进行血管识别与分割，将血管分割结果和VOI区输入泡性包虫病灶分割模型，得到第二分割结果。本发明提供的方法及系统，通过各种模型对多模态医学影像进行融合识别与特征提取，协助医生进行包虫病筛查工作，提高诊断效率和准确率。
-
公开(公告)号：CN109685810A
公开(公告)日：2019-04-26
申请号：CN201811548687.7
申请日：2018-12-18
Applicant: 清华大学
CPC classification number: G06T7/11 , A61B6/032 , A61B6/5205 , A61B6/5211 , G06N3/0454 , G06T2207/10081 , G06T2207/20081 , G06T2207/30056
Abstract: 本发明公开了一种基于深度学习的肝包虫病灶识别方法及系统，方法包括：S1、从包虫病病例中获取包虫CT图像集；S2、基于公共数据集训练和验证肝脏分割模型，用以进行肝脏分割和肝脏体积定量；S3、通过肝脏分割模型从包虫CT图像集中获取分割后的肝脏区域，基于肝脏分割结果训练并验证病灶识别模型，在训练和验证中将囊性包虫病灶与泡性包虫病灶分别赋予不同的目标标签；S4、通过肝脏分割模型从一包虫CT图像中获取分割后的肝脏区域，在平扫CT上将肝脏区域作为VOI区输入病灶识别模型，得到识别结果。本发明所提供的方法及系统，能够挖掘肝脏占位等特征信息，使用手工标注包虫病灶的平扫CT图像，利用卷积神经网络模型对各种包虫病灶进行识别与分类。
-
公开(公告)号：CN116309266A
公开(公告)日：2023-06-23
申请号：CN202211531236.9
申请日：2022-12-01
Applicant: 清华大学
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/774
Abstract: 本发明提供一种基于平扫CT和深度学习的肝包虫病筛查方法及系统，属于智能医疗技术领域，通过肝脏分割模型、肝包虫病灶识别模型结合肝包虫病筛查模型，实现了基于平扫CT即可实现肝包虫病识别，减少了患者因做增强CT而导致摄入更多射线辐射的风险，降低了患者因需要注射造影剂导致存在过敏的风险，临床适用性较强；能够在切片级识别、分类与分割的基础上，实现患者级的诊断，同时具备可解释性；结合了包虫病在临床诊治中的真实情况和包虫病的临床特性，识别准确率大大提高，此外可以对包含健康人在内的人群进行识别筛查，使用范围广。
-
-
-
Search Results
4
records
(took 0.015 seconds)
