-
公开(公告)号：CN113744271B
公开(公告)日：2022-02-11
申请号：CN202111310100.0
申请日：2021-11-08
Applicant: 四川大学
Abstract: 本发明公开了基于神经网络的视神经自动分割和受压迫程度测算方法，涉及图像数据处理技术领域，解决现有蝶鞍区的核磁断层扫描的分析费时且效率低下的技术问题，包括如下步骤：获取蝶鞍区肿瘤患者的MRI图像文件；建立视交叉分割模型，选择U‑Net分割网络，并加入空间和通道注意力机制，对每例裁切后MRI图像进行视交叉区域的分割；视交叉受压迫程度测算；模型的训练与测试；本发明能在极短时间内快速分析该蝶鞍区肿瘤患者的多张脑部MRI图像，减少了医生大量的重复性工作，达到在临床上，辅助医生进行压迫程度判断，预后预测，为手术提供参考的实际应用目的。
-
Patent Agency Ranking
公开(公告)号：CN113744271A
公开(公告)日：2021-12-03
申请号：CN202111310100.0
申请日：2021-11-08
Applicant: 四川大学
Abstract: 本发明公开了基于神经网络的视神经自动分割和受压迫程度测算方法，涉及图像数据处理技术领域，解决现有蝶鞍区的核磁断层扫描的分析费时且效率低下的技术问题，包括如下步骤：获取蝶鞍区肿瘤患者的MRI图像文件；建立视交叉分割模型，选择U‑Net分割网络，并加入空间和通道注意力机制，对每例裁切后MRI图像进行视交叉区域的分割；视交叉受压迫程度测算；模型的训练与测试；本发明能在极短时间内快速分析该蝶鞍区肿瘤患者的多张脑部MRI图像，减少了医生大量的重复性工作，达到在临床上，辅助医生进行压迫程度判断，预后预测，为手术提供参考的实际应用目的。
-
公开(公告)号：CN112508953A
公开(公告)日：2021-03-16
申请号：CN202110161083.2
申请日：2021-02-05
Applicant: 四川大学
Abstract: 本发明涉及手术前的脑膜瘤级别判断领域，公开了一种基于深度神经网络的脑膜瘤快速分割定性方法，包括如下步骤：准备磁共振脑部图像；建立脑膜瘤分割模型，并通过脑膜瘤分割模型从磁共振脑部图像中筛选出包含脑膜瘤区域的有效图像；建立脑膜瘤分级模型，并通过脑膜瘤分级模型对有效图像进行分级检测，并输出脑膜瘤分级检测结果。通过本发明提出的上述方法，只需要将某患者扫描后生成的一系列磁共振脑部图像输入进网络，经过对所有磁共振脑部图像的综合分析计算后，迅速地给出该患者脑膜瘤的分级结果，达到辅助医师进行诊断的目的，并且，整个过程自动进行，减少了医师大量的重复性工作，节约了时间，使患者能够更快地接受治疗。
-
公开(公告)号：CN113744272B
公开(公告)日：2022-01-28
申请号：CN202111310166.X
申请日：2021-11-08
Applicant: 四川大学
Abstract: 本发明公开了一种基于深度神经网络的脑动脉自动勾画方法，属于图像数据处理技术领域，具体涉及脑部动脉勾画技术领域，以解决现有的采用图卷积神经网络进行建模，存在网络模型消耗显存巨大，计算速度明显减慢的问题，包括如下步骤：步骤1、输入患者MRI扫描影像数据；步骤2、六类脑动脉分割模型的构建；步骤3、模型训练和测试。提出了一种3D级联的新型网络模型，并采用连续帧，血管中心线等特异性的人工特征约束网络训练，不仅节约了计算资源更能快速且精准的预测并勾画出脑动脉；整个模型在训练完成之后可以完全自动的进行预测，并输出一张与原始MRI输出尺寸一致的7类标签（背景占一类）的ROI图像。
-
公开(公告)号：CN113744272A
公开(公告)日：2021-12-03
申请号：CN202111310166.X
申请日：2021-11-08
Applicant: 四川大学
Abstract: 本发明公开了一种基于深度神经网络的脑动脉自动勾画方法，属于图像数据处理技术领域，具体涉及脑部动脉勾画技术领域，以解决现有的采用图卷积神经网络进行建模，存在网络模型消耗显存巨大，计算速度明显减慢的问题，包括如下步骤：步骤1、输入患者MRI扫描影像数据；步骤2、六类脑动脉分割模型的构建；步骤3、模型训练和测试。提出了一种3D级联的新型网络模型，并采用连续帧，血管中心线等特异性的人工特征约束网络训练，不仅节约了计算资源更能快速且精准的预测并勾画出脑动脉；整个模型在训练完成之后可以完全自动的进行预测，并输出一张与原始MRI输出尺寸一致的7类标签（背景占一类）的ROI图像。
-
公开(公告)号：CN112508953B
公开(公告)日：2021-05-18
申请号：CN202110161083.2
申请日：2021-02-05
Applicant: 四川大学
Abstract: 本发明涉及手术前的脑膜瘤级别判断领域，公开了一种基于深度神经网络的脑膜瘤快速分割定性方法，包括如下步骤：准备磁共振脑部图像；建立脑膜瘤分割模型，并通过脑膜瘤分割模型从磁共振脑部图像中筛选出包含脑膜瘤区域的有效图像；建立脑膜瘤分级模型，并通过脑膜瘤分级模型对有效图像进行分级检测，并输出脑膜瘤分级检测结果。通过本发明提出的上述方法，只需要将某患者扫描后生成的一系列磁共振脑部图像输入进网络，经过对所有磁共振脑部图像的综合分析计算后，迅速地给出该患者脑膜瘤的分级结果，达到辅助医师进行诊断的目的，并且，整个过程自动进行，减少了医师大量的重复性工作，节约了时间，使患者能够更快地接受治疗。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
