- 专利标题: 一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介质
-
申请号: CN202010783409.0申请日: 2020-08-06
-
公开(公告)号: CN112017136B公开(公告)日: 2024-09-17
- 发明人: 刘峰 , 周振 , 刘秋月 , 俞益洲 , 王亦洲
- 申请人: 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
- 申请人地址: 浙江省杭州市余杭区文一西路1818-2号8幢705室;
- 专利权人: 杭州深睿博联科技有限公司,北京深睿博联科技有限责任公司
- 当前专利权人: 杭州深睿博联科技有限公司,北京深睿博联科技有限责任公司
- 当前专利权人地址: 浙江省杭州市余杭区文一西路1818-2号8幢705室;
- 代理机构: 北京天方智力知识产权代理有限公司
- 代理商 白凯园
- 主分类号: G06T5/50
- IPC分类号: G06T5/50 ; G06T5/60 ; G06T7/00 ; G06T7/11 ; G06V10/26 ; G06V10/764 ; G06V10/82 ; G06N3/0455 ; G06N3/0464 ; G06N3/08
摘要:
本申请所提供的一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介质,所述方法包括:将获取的肺部CT图像输入至预设的渐进式上采样骨架网络模型,输出特征图像;将所述特征图像输入至3D卷积神经网络模型,所述3D卷积神经网络模型为肺内分支、肺外分支和肺掩码分支组成的卷积神经网络模型;通过所述肺掩码分支对所述特征图像的每个像素进行分类,确定肺内部分与肺外部分并进行分类标记;将所述特征图像的肺内部分、肺外部分分别输入至所述肺内分支、肺外分支进行特征学习,生成肺内图像与肺外图像;将所述肺内分支、肺外分支的生成图像组合构成完整的CT生成图像;本申请利用深度学习技术实现CT图像不同参数的转化。
公开/授权文献
- CN112017136A 一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介质 公开/授权日:2020-12-01