用于医学图像分割的检测方法、医学图像分割方法及装置

    公开(公告)号:CN110648331A

    公开(公告)日:2020-01-03

    申请号:CN201910821467.5

    申请日:2019-09-02

    Inventor: 郭延恩

    Abstract: 一种用于医学图像分割的检测方法、医学图像分割方法及装置,其中检测方法包括:获取目标对象的医学图像以及与该医学图像相对应的特征图;利用卷积神经网络对该特征图进行处理,得到特征图的特征信息;根据获取的边界框生成一个与该特征图等尺寸大小的权重表;将该权重表与该特征图进行逐位相乘,得到优化特征图,该优化特征图用于在医学图像分割时检测获得目标对象的形成区域。由于根据获取的边界框来生成一个与特征图等尺寸大小的权重表,并以权重的形式相乘到该特征图中,从而使得得到的优化特征图中可以准确地产生目标对象的形成区域,利于提高小目标病灶的分割准确度。

    一种预测模型的训练方法、使用该模型的预测方法及装置

    公开(公告)号:CN109829892A

    公开(公告)日:2019-05-31

    申请号:CN201910005101.0

    申请日:2019-01-03

    Abstract: 本发明公开了一种预测模型的训练方法、使用该模型的预测方法及装置,涉及医学影像分析技术领域,预测模型的训练方法包括:获取样本患者在斑块相关过程中的第一阶段时的医学影像、第二阶段时的医学影像以及样本患者的个人结构化数据,其中,第二阶段发生在第一阶段之后;使用预先训练的图像分割模型,从第一阶段时的医学影像中分割出第一目标特征,并从第二阶段时的医学影像中分割出第二目标特征;基于第一目标特征、第二目标特征以及第一阶段与第二阶段的时间差,计算与斑块相关过程有关的变化因子;将个人结构化数据和第一目标特征作为输入,变化因子作为输出,训练得到预测模型。本发明实施例能够实现快速准确、智能地预测斑块进展或斑块消退。

    用于医学图像分割的检测方法、医学图像分割方法及装置

    公开(公告)号:CN110648331B

    公开(公告)日:2023-01-17

    申请号:CN201910821467.5

    申请日:2019-09-02

    Inventor: 郭延恩

    Abstract: 一种用于医学图像分割的检测方法、医学图像分割方法及装置,其中检测方法包括:获取目标对象的医学图像以及与该医学图像相对应的特征图;利用卷积神经网络对该特征图进行处理,得到特征图的特征信息;根据获取的边界框生成一个与该特征图等尺寸大小的权重表;将该权重表与该特征图进行逐位相乘,得到优化特征图,该优化特征图用于在医学图像分割时检测获得目标对象的形成区域。由于根据获取的边界框来生成一个与特征图等尺寸大小的权重表,并以权重的形式相乘到该特征图中,从而使得得到的优化特征图中可以准确地产生目标对象的形成区域,利于提高小目标病灶的分割准确度。

    一种基于图神经网络分析斑块进展因子的方法及装置

    公开(公告)号:CN109979591B

    公开(公告)日:2021-01-01

    申请号:CN201910184156.2

    申请日:2019-03-12

    Abstract: 本发明公开了一种基于图神经网络分析斑块进展因子的方法及装置,属于神经网络技术领域,方法包括步骤:S1:构建图网络,图网络中的各结点表示影响斑块进展的各因子,各结点之间的边表示各因子之间的关系;S2:基于斑块进展的第一阶段、第二阶段时各自的因子数据,获取用于表示图网络的属性的读出函数,其中,第二阶段发生在第一阶段之后;S3:基于读出函数,对由第一阶段时的因子数据所构建的图网络进行消息传播,构建具有N层图网络的图神经网络模型,N为正整数;S4:基于图神经网络模型对各因子进行分析。本发明实施例通过构建图神经网络模型,并利用图神经网络对影响斑块进展的各因子进行分析,从而对脑血管疾病的病因分析起到一定的辅助作用。

    一种多序列图像的标注方法及系统

    公开(公告)号:CN109712176A

    公开(公告)日:2019-05-03

    申请号:CN201811469803.6

    申请日:2018-11-28

    Abstract: 本发明公开了一种多序列图像的标注方法及系统。所述方法包括:将待配准序列图像和参考序列图像进行配准,得到配准后序列图像以及图像之间的映射关系;对所述待配准序列图像和所述参考序列图像以及所述配准后序列图像中的任意一幅或多幅图像进行标注,所述标注按照所述映射关系进行变换,显示到其余未标注的图像上。本发明结合多序列图像配准技术使得用户在标注多序列图像中的任意一幅或多幅图像时,标注能在其余未标注的图像同步显示出来,避免了采用人工标注多序列图像过程中需要校准的问题,提高了标注多序列图像的标注位置准确度。

    一种基于图神经网络分析斑块进展因子的方法及装置

    公开(公告)号:CN109979591A

    公开(公告)日:2019-07-05

    申请号:CN201910184156.2

    申请日:2019-03-12

    Abstract: 本发明公开了一种基于图神经网络分析斑块进展因子的方法及装置,属于神经网络技术领域,方法包括步骤:S1:构建图网络,图网络中的各结点表示影响斑块进展的各因子,各结点之间的边表示各因子之间的关系;S2:基于斑块进展的第一阶段、第二阶段时各自的因子数据,获取用于表示图网络的属性的读出函数,其中,第二阶段发生在第一阶段之后;S3:基于读出函数,对由第一阶段时的因子数据所构建的图网络进行消息传播,构建具有N层图网络的图神经网络模型,N为正整数;S4:基于图神经网络模型对各因子进行分析。本发明实施例通过构建图神经网络模型,并利用图神经网络对影响斑块进展的各因子进行分析,从而对脑血管疾病的病因分析起到一定的辅助作用。

Patent Agency Ranking