-
公开(公告)号：CN113850818B
公开(公告)日：2024-11-01
申请号：CN202110992746.5
申请日：2021-08-27
Applicant: 北京工业大学
IPC: G06T7/11 , G06T7/13 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种混合2D和3D卷积神经网络的耳部CT影像前庭分割方法，包括构建数据集、基于多种深度特征融合策略的2DCNN分割网络设计以及3DDenseUNet分割网络设计三个步骤。2D网络采用编码器‑解码器结构作为主干网络提取耳部CT影像的前庭特征；然后整合DenseNet‑BC和U‑Net网络架构，搭建一个3DDenseUNet网络，融合低层空间信息和高层语义信息，最终实现前庭的精准分割。针对前庭结构设计的分割网络可以获得比通用的分割方法更优的分割性能，提高放射科医护人员的工作效率和质量。本发明能够准确进行耳部关键结构的自动分割，帮助医生完成大量重复性的工作，有效地减轻医生的负担。
-
公开(公告)号：CN113850760B
公开(公告)日：2024-05-28
申请号：CN202110998724.X
申请日：2021-08-27
Applicant: 北京工业大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06F17/16
Abstract: 一种耳部CT影像前庭检测方法属于计算机视觉和医学影像处理领域。首先，专门设计了一个专用的前庭分割网络，可以进行前庭的准确分割。然后基于前庭分割结果，采用主成分分析算法进行前庭横径的自动测量。本发明设计了一种专用的分割网络，对前庭结构进行准确分割和检测。
-
公开(公告)号：CN113850760A
公开(公告)日：2021-12-28
申请号：CN202110998724.X
申请日：2021-08-27
Applicant: 北京工业大学
Abstract: 一种耳部CT影像前庭检测方法属于计算机视觉和医学影像处理领域。首先，专门设计了一个专用的前庭分割网络，可以进行前庭的准确分割。然后基于前庭分割结果，采用主成分分析算法进行前庭横径的自动测量。本发明设计了一种专用的分割网络，对前庭结构进行准确分割和检测。
-
公开(公告)号：CN113850818A
公开(公告)日：2021-12-28
申请号：CN202110992746.5
申请日：2021-08-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种混合2D和3D卷积神经网络的耳部CT影像前庭分割方法，包括构建数据集、基于多种深度特征融合策略的2DCNN分割网络设计以及3DDenseUNet分割网络设计三个步骤。2D网络采用编码器‑解码器结构作为主干网络提取耳部CT影像的前庭特征；然后整合DenseNet‑BC和U‑Net网络架构，搭建一个3DDenseUNet网络，融合低层空间信息和高层语义信息，最终实现前庭的精准分割。针对前庭结构设计的分割网络可以获得比通用的分割方法更优的分割性能，提高放射科医护人员的工作效率和质量。本发明能够准确进行耳部关键结构的自动分割，帮助医生完成大量重复性的工作，有效地减轻医生的负担。
-
-
-
Search Results
4
records
(took 0.02 seconds)
