-
公开(公告)号：CN116109603A
公开(公告)日：2023-05-12
申请号：CN202310142454.1
申请日：2023-02-21
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
IPC: G06T7/00 , G06V10/774 , G06V10/25 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于造影图像特征提取的前列腺癌病灶检测模型构建方法，属于图像处理领域，包括以下步骤：建立训练样本、建立前列腺癌病灶检测模型与训练前列腺癌病灶检测模型；前列腺肿瘤检测模型包含时空特征提取网络及目标检测网络。在建立训练样本中采用基于时间强度曲线校正算法能自动提取超声造影视频中动脉血管微泡由显现到峰值时间片段，对前列腺肿瘤检测变得更加敏感。本发明前列腺癌病灶检测模型凭借三维深度学习的优势，能够丰富地提取训练样本中的时空特征和前列腺癌病灶，能适应不同大小的前列腺癌病灶，并且利用了超声造影的动态特性，进而能够提升对病灶的预测准确度。
-
公开(公告)号：CN116843619A
公开(公告)日：2023-10-03
申请号：CN202310580870.X
申请日：2023-05-23
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
IPC: G06T7/00 , G06V10/764 , G16H30/20 , G16H30/40 , G06V10/774 , G06V10/80 , G16H50/20 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多参数超声影像的前列腺癌诊断模型及其训练方法，前列腺癌诊断模型包括用于提取影像特征的卷积神经网络、特征重建算法模块、用于提取超声造影语义特征的长短期记忆神经网络和决策融合分类网络；训练方法包括建立训练样本集，然后将训练样本输入前列腺癌病灶诊断模型对其进行训练，直至前列腺癌病灶诊断模型输出的预测值与病灶靶区分类真实值的误差收敛，得到训练合格的前列腺癌病灶诊断模型。本发明凭借多个特征提取网络的优势，可以提取不同参数超声中的最优特征，同时通过利用长短期记忆网络处理超声造影的时序特征，获得了能提取丰富特征、识别结果准确和鲁棒好的前列腺癌诊断模型。
-
公开(公告)号：CN115251990A
公开(公告)日：2022-11-01
申请号：CN202211040157.8
申请日：2022-08-29
Applicant: 重庆大学附属肿瘤医院
Abstract: 本发明公开了一种针对前列腺癌的多模态超声特征评分系统的构建方法，其包括步骤：1)采集若干前列腺疾病患者的前列腺灰阶超声图像、多普勒超声图像及对比增强超声图像；2)读取灰阶超声图像、多普勒超声图像及对比增强超声图像中的图像特征；3)对步骤2)中的图像特征进行统计分析，得到各个有意义的图像特征的回归系数；4)根据回归系数对有意义的图像特征进行赋分；5)求取全部前列腺癌患者的平均得分得到最佳决断值，并据此得到前列腺癌的多模态超声特征评分系统。本发明将现有的灰阶超声图像、多普勒超声图像及对比增强超声图像有机的纳入一个系统，使得兼具了各种超声检测的优点，从而让多模态超声特征评分系统具有更好的效能。
-
公开(公告)号：CN115005874A
公开(公告)日：2022-09-06
申请号：CN202210630681.4
申请日：2022-06-06
Applicant: 重庆大学附属肿瘤医院
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于低帧频超声造影的前列腺肿瘤位置识别系统，包括：根据超声造影视频获取前列腺微泡图像；对前列腺微泡图像进行虚拟处理，获得前列腺虚拟化血管图像；根据前列腺虚拟化血管图像获取拟合血管形态指数；根据拟合血管形态指数判断肿瘤所在位置。相比现有技术中仅根据前列腺超声造影视频的峰值帧数时截取的图像识别肿瘤位置，本发明根据超声造影视频获取前列腺微泡图像，进而判断肿瘤所在位置，使得前列腺结构信息更完整，提高了前列腺肿瘤位置识别的准确性。
-
-
-
Search Results
4
records
(took 0.029 seconds)
