-
公开(公告)号：CN112508827A
公开(公告)日：2021-03-16
申请号：CN202011227685.5
申请日：2020-11-06
申请人： 中南大学湘雅医院
摘要： 本发明公开了一种基于深度学习的融合多场景的危及器官的分割方法，本方法考虑到场景内数据的共性特征，分别对每一个数据集构建一个分割模型，获取每个数据集中的每个器官训练得到的第一最优子模型和第二最优子模型；对全部的数据集构建一个集成模型，通过全部的数据集对集成模型进行训练，同时在训练的过程中，将得到的全部第一最优子模型和第二最优子模型均作为特征提取器引入至集成模型，用于引导集成模型对不同场景下的数据的训练，使集成模型既关注分割器官的个性化特征，也关注到器官和背景间的差异，能够提高待分割器官检出率的同时，也能降低假阳的出现。
-
-
公开(公告)号：CN112508827B
公开(公告)日：2022-04-22
申请号：CN202011227685.5
申请日：2020-11-06
申请人： 中南大学湘雅医院
IPC分类号： G06T5/40 , G06T5/50 , G06T7/11 , G06K9/62 , G06V10/774
摘要： 本发明公开了一种基于深度学习的融合多场景的危及器官的分割方法，本方法考虑到场景内数据的共性特征，分别对每一个数据集构建一个分割模型，获取每个数据集中的每个器官训练得到的第一最优子模型和第二最优子模型；对全部的数据集构建一个集成模型，通过全部的数据集对集成模型进行训练，同时在训练的过程中，将得到的全部第一最优子模型和第二最优子模型均作为特征提取器引入至集成模型，用于引导集成模型对不同场景下的数据的训练，使集成模型既关注分割器官的个性化特征，也关注到器官和背景间的差异，能够提高待分割器官检出率的同时，也能降低假阳的出现。
-
公开(公告)号：CN113951913B
公开(公告)日：2023-06-16
申请号：CN202111207953.1
申请日：2021-10-18
申请人： 中南大学湘雅医院
IPC分类号： A61B6/03
摘要： 本发明属于医疗器械领域，具体的说是一种基于四维CT融合的PET‑CT图像扫描用定位机架，包括CT机架和PET机架，CT机架和PET机架上分别安装有第一中心板和第二中心板，第一中心板上转动安装有中心激光器和倾斜的副激光器，第二中心板上固定安装有校正板，校正板上安装有第一光敏片组和中心光敏片，通过设置可旋转的倾斜副激光器和校正板，在校正板上形成环形检测区，当CT机架和PET机架没有完全对齐时，环形检测区变形或错位，没有与校正板上的环形光敏片完全对齐，通过检测经过各个光敏片的电流，即可判断出CT机架和PET机架是否对齐，以及偏离的方向，方便及时进行调整校正，无需设置大面积的激光接触感应装置，降低了成本。
-
公开(公告)号：CN115331072A
公开(公告)日：2022-11-11
申请号：CN202210856762.6
申请日：2022-07-20
申请人： 中南大学湘雅医院
IPC分类号： G06V10/774 , G06V10/776 , G06V10/74 , G06V10/764 , G06T7/00
摘要： 本发明公开了一种基于特征图相似度加权的预测方法、系统、设备及介质，其方法包括：构建集成预测模型，集成预测模型由多个最优预测模型集合而成，每一个最优预测模型通过对应的训练集和验证集训练而成；将对应的验证集输入对应的最优预测模型中，得到每一类别对应的第一特征图；将对应的测试集输入对应的最优预测模型中，得到预测概率和第二特征图；计算同一最优预测模型的第一特征图和第二特征图之间的余弦相似度，根据余弦相似度对最优预测模型的预测概率进行加权，得到加权后的预测概率；计算所有最优预测模型的加权后的预测概率的均值，将均值作为集成预测模型的预测概率；提高了模型的预测性能和模型的鲁棒性和泛化性。
-
公开(公告)号：CN113951913A
公开(公告)日：2022-01-21
申请号：CN202111207953.1
申请日：2021-10-18
申请人： 中南大学湘雅医院
IPC分类号： A61B6/03
摘要： 本发明属于医疗器械领域，具体的说是一种基于四维CT融合的PET‑CT图像扫描用定位机架，包括CT机架和PET机架，CT机架和PET机架上分别安装有第一中心板和第二中心板，第一中心板上转动安装有中心激光器和倾斜的副激光器，第二中心板上固定安装有校正板，校正板上安装有第一光敏片组和中心光敏片，通过设置可旋转的倾斜副激光器和校正板，在校正板上形成环形检测区，当CT机架和PET机架没有完全对齐时，环形检测区变形或错位，没有与校正板上的环形光敏片完全对齐，通过检测经过各个光敏片的电流，即可判断出CT机架和PET机架是否对齐，以及偏离的方向，方便及时进行调整校正，无需设置大面积的激光接触感应装置，降低了成本。
-
公开(公告)号：CN112070777A
公开(公告)日：2020-12-11
申请号：CN202011249376.8
申请日：2020-11-10
申请人： 中南大学湘雅医院
摘要： 本发明公开了一种基于增量学习的多场景下的危及器官分割方法及设备，本方法中通过增量学习的方法使模型能够将旧的任务上学习到的特征有效的迁移到新的任务上，提升新任务的分割效果，同时在也能保持在旧的场景下的器官的分割性能，用单个模型有效的解决了不同场景下多器官的分割问题。
-
公开(公告)号：CN118644506A
公开(公告)日：2024-09-13
申请号：CN202410829867.1
申请日：2024-06-25
申请人： 中南大学湘雅医院
摘要： 本申请涉及了一种基于单模态图像训练的分割方法、装置、设备及存储介质，本方法在第一模态的医学图像上标注至少一个器官组织的mask区域，然后对第一模态的医学图像上的与第二模态的医学图像相关联的mask区域进行随机分布强度变换，并进行叠加，能基于第一模态的医学图像模拟出第二模态的医学图像，然后将第一模态的医学图像与模拟第二模态的医学图像进行融合，最后利用融合的图像实现分割网络的训练，得到分割模型，该分割模型能够支持第一模态的医学图像也能够支持第二模态的医学图像的分割。本方法仅利用检测区域的第一模态的医学图像就能够对检测区域第二模态的医学图像进行分割，克服模态依赖性，减少对大量标注数据的依赖，并优化计算效率。
-
公开(公告)号：CN112070777B
公开(公告)日：2021-10-08
申请号：CN202011249376.8
申请日：2020-11-10
申请人： 中南大学湘雅医院
摘要： 本发明公开了一种基于增量学习的多场景下的危及器官分割方法及设备，本方法中通过增量学习的方法使模型能够将旧的任务上学习到的特征有效的迁移到新的任务上，提升新任务的分割效果，同时在也能保持在旧的场景下的器官的分割性能，用单个模型有效的解决了不同场景下多器官的分割问题。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.032 秒)
