-
公开(公告)号：CN105005714A
公开(公告)日：2015-10-28
申请号：CN201510340718.X
申请日：2015-06-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明提出了一种基于肿瘤表型特征的非小细胞肺癌预后方法，包括：S1，从非小细胞肺癌患者肺部影像数据库中对每一个肿瘤进行分割，提取目标区域，并根据所述肿瘤目标区域图像提取肿瘤表型特征库；S2，根据所述非小细胞肺癌患者肺部影像数据的临床信息和组织活检结果对肿瘤进行分类，将分类的肺部影像数据的数据集按比例分为训练数据集和测试数据集；S3，依据训练数据集，采用机器学习方法对各分类训练数据集进行特征训练，得到能够正确辨识各分类的训练数据集对应类型肿瘤关键特征，通过所述关键特征对各类测试数据集进行预测统计和预后分析。本发明实现了计算机方法辅助完成肿瘤预后分析并给出辅助诊断建议。
-
公开(公告)号：CN104715483A
公开(公告)日：2015-06-17
申请号：CN201510122955.9
申请日：2015-03-20
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明提供的肺部CT影像病变组织的自动分割方法，包括：从肺实质CT影像中通过滑降算法搜索各点邻域梯度最小值，根据邻域梯度最小值获取肺部病变初始生长点的区域，根据肺部病变初始生长点的区域确定初始生长种子点；根据初始生长种子点获取像素灰度约束和生长距离约束，并从像素灰度约束和生长距离约束中由区域生长方法确定肺部病变区域；根据肺部病变区域得到各层肺部病变区域的边界，各层肺部病变区域的边界在中心点根据预设的方向得到所述肺部病变区域中相邻层的边界像素点，通过所述相邻层的边界像素点和所述肺部病变区域的中心点得到平均距离差值，并将超过所述平均距离差值的像素点进行平滑得到肺部病变组织的分割图像。
-
公开(公告)号：CN104715483B
公开(公告)日：2018-05-11
申请号：CN201510122955.9
申请日：2015-03-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供的肺部CT影像异常区域的自动分割方法，包括：从肺实质CT影像中通过滑降算法搜索各点邻域梯度最小值，根据邻域梯度最小值获取肺部异常初始生长点的区域，根据肺部异常初始生长点的区域确定初始生长种子点；根据初始生长种子点获取像素灰度约束和生长距离约束，并从像素灰度约束和生长距离约束中由区域生长方法确定肺部异常区域；根据肺部异常区域得到各层肺部异常区域的边界，进而获取在预设的方向上所述肺部异常区域中相邻层的边界像素点，通过相邻层的边界像素点和肺部异常区域的中心点得到平均距离差值，并对所有边界像素点中距离差超过平均距离差值的边界像素点进行平滑得到肺部异常区域的分割图像。
-
公开(公告)号：CN105653858A
公开(公告)日：2016-06-08
申请号：CN201511021413.9
申请日：2015-12-31
Applicant: 中国科学院自动化研究所
CPC classification number: G06F19/34 , G06F19/321
Abstract: 一种基于影像组学的病变组织辅助预测系统及方法，该方法包括：从大数据量的患者影像数据库中，采用自动或手动的分割方法提取病变部位的影像数据；根据所述病变部位影像的分割结果，分别提取各病变部位的影像表型特征，完成所述患者影像数据库内所有病变部位影像数据的特征提取；基于各病变部位的特征数据和临床信息数据，对所述患者影像数据库中数据进行训练数据集和测试数据集的分类，采用计算机自动识别方法在所述训练数据集进行病变部位的病理分析、临床分期分析、基因突变预测以及生存时间的预测，并在所述测试数据集中实现验证。本发明方法可以对特定的个体分别进行定性以及定量的预测分析，提供可信的预测与分析结果。
-
-
-
Search Results
4
records
(took 0.02 seconds)
