公开(公告)号：CN115409846A

公开(公告)日：2022-11-29

申请号：CN202210596796.6

申请日：2022-05-30

Applicant: 福州大学

Inventor： 李兰兰 ,  胡益煌 ,  王大彪 ,  徐斌

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于深度学习的结直肠癌病灶区域轻量级分割方法，包括以下步骤；步骤S1、数据处理：对获得的腹部图像进行数据预处理和数据增强操作；步骤S2、网络搭建与训练：所述网络为基于语境引导网络搭建的神经网络，在语境引导块中加入高效金字塔通道注意力模块，采用残差思想与语境引导块提取的局部特征结合，进行神经网络训练；步骤S3、预测分割：向神经网络输入测试数据，读取训练时保存好的模型权重并执行预测分割，将输出的图像病灶区域预测分割结果与神经网络的Label进行对比评价；本发明能取得较为优异的分割效果，而且能够在模型轻量化和性能之间取得较好的平衡。

公开(公告)号：CN114882282A

公开(公告)日：2022-08-09

申请号：CN202210536433.3

申请日：2022-05-16

Applicant: 福州大学

Inventor： 李兰兰 ,  胡益煌 ,  王大彪 ,  徐斌

IPC: G06V10/764 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00 ,  G06T7/11 ,  G06V10/25 ,  G06V10/40 ,  G16H50/30

Abstract: 本发明涉及一种基于MRI和CT图像的结直肠癌治疗效果的神经网络预测方法。该方法首先通过深度学习网络对病变进行分割，然后根据分割结果自动提取感兴趣区域（ROI）。最后，通过通道融合MRI和CT特征，并使用卷积神经网络进行pCR分类。本发明方法可以使得在预测病人pCR上减少对肿瘤区域人工分割的繁琐性和耗时性。

公开(公告)号：CN114863123A

公开(公告)日：2022-08-05

申请号：CN202210526774.2

申请日：2022-05-16

Applicant: 福州大学

Inventor： 李兰兰 ,  徐斌 ,  胡益煌 ,  王大彪

IPC: G06V10/40 ,  G06V10/28 ,  G06V10/26 ,  G06V10/25 ,  G06V10/82 ,  G06N3/04 ,  G16H50/20

Abstract: 本发明涉及一种基于多模型权重分配网络的直肠癌病理完全反应预测方法。该方法包括：原始图像预处理；特征提取、分割；对经特征提取、分割生成的ROI图像进行标准处理，输入预测模型得到预测结果。本发明方法预测精度较好。该模型避免传统方法需要大量人工标记和特征提取的缺点，实现了由图像输入到预测结果的自动输出。

公开(公告)号：CN114882282B

公开(公告)日：2025-02-25

申请号：CN202210536433.3

申请日：2022-05-16

Applicant: 福州大学

Inventor： 李兰兰 ,  胡益煌 ,  王大彪 ,  徐斌

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/00 ,  G06T7/11 ,  G06V10/25 ,  G06V10/40 ,  G16H50/30

Abstract: 本发明涉及一种基于MRI和CT图像的结直肠癌治疗效果的神经网络预测方法。该方法首先通过深度学习网络对病变进行分割，然后根据分割结果自动提取感兴趣区域（ROI）。最后，通过通道融合MRI和CT特征，并使用卷积神经网络进行pCR分类。本发明方法可以使得在预测病人pCR上减少对肿瘤区域人工分割的繁琐性和耗时性。