-
公开(公告)号：CN110647939B
公开(公告)日：2022-05-24
申请号：CN201910906337.1
申请日：2019-09-24
Applicant: 广州大学
IPC: G06V10/774 , G06V10/764 , G06V10/26 , G06V10/762 , G06V10/80 , G06T7/00 , G06K9/62
Abstract: 本发明公开了一种半监督智能分类方法，包括：从影像数据库中获取肿瘤影像图像并进行预处理；通过多通道图像重现技术对进行预处理后的肿瘤影像图像进行检测，提取肿瘤图像；通过超体素图像分割算法，对所述肿瘤图像进行图形分割检测，得到预分割图像；通过密度聚类算法对进行图形分割检测后的肿瘤图像进行样本分析，得到其紧密程度；并采用监督学习机制，对所述预分割图像做疾病预测，使用K/N投票表决机制，得到最终优化的超像素分类结果；本发明通过引入半监督智能分类学习理论，充分利用标记和非标记的肿瘤数据，提升肿瘤形状识别的效率及精准度，从而尽量降低依赖人工分析病灶影像，使得自动化肿瘤类型分析和鉴别成为可能。
-
公开(公告)号：CN115641957A
公开(公告)日：2023-01-24
申请号：CN202211417630.X
申请日：2022-11-11
Applicant: 广州大学
IPC: G16H50/20 , G16B30/00 , G16B40/00 , G06T7/00 , G06V10/26 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种基于影像基因组学的新辅助化疗疗效预测方法及系统，所述方法包括：获取术前采用新辅助化疗患者的外泌体基因组学样本和对应的动态磁共振乳腺影像；将动态磁共振乳腺影像分别输入预设影像组学特征提取模型和预设卷积神经网络模型，得到对应的影像组学特征和影像分子分型特征；对外泌体基因组学样本进行转录组测序，得到基因组学特征；将影像组学特征、影像分子分型特征和基因组学特征输入预设双向门限循环神经网络模型进行疗效预测，得到疗效预测结果。本发明方法实现高维非结构化影像数据与高特异结构化基因组学数据的有效融合，高效精准挖掘全面有用的特征信息，有效提升自动化预测新辅助化疗效的准确性。
-
公开(公告)号：CN115690512A
公开(公告)日：2023-02-03
申请号：CN202211417522.2
申请日：2022-11-11
Applicant: 广州大学
IPC: G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/094
Abstract: 本发明提供了一种动态对比增强磁共振影像分类方法、系统、设备及介质，所述方法包括：获取不同病龄期的乳腺动态对比增强磁共振影像并进行预处理，生成乳腺动态强化磁共振影像数据集；根据乳腺动态强化磁共振影像数据集，构建包括依次连接的多任务分类网络和感知判别网络的影像分类预测模型；将获取的待分类乳腺动态对比增强磁共振影像输入所述影像分类预测模型进行多任务分类，得到包括肿瘤的位置、空间结构和空间信号的影像分类结果。本发明方法能充分且精准地挖掘乳腺对比增强磁共振影像数据中所具有的丰富的多维多尺度异构空间、时间、语义关联表示，且能对缺失的不同空间维度信息进行补充，保证影像分类预测的可靠性和精准性。
-
公开(公告)号：CN110674872B
公开(公告)日：2022-03-01
申请号：CN201910906714.1
申请日：2019-09-24
Applicant: 广州大学
IPC: G06V10/764 , G06K9/62 , G06N3/08 , G06T7/00 , G06T7/11
Abstract: 本发明公开了一种高维磁共振影像的分类方法，通过获取患者经过磁共振设备扫描的扫描影像数据，对扫描影像数据进行归一化处理，得到高维影像数据，对高维影像数据进行分解处理，生成若干个简单的几何要素，将若干个简单的几何要素输入至预设的影像分类模型，输出影像分类结果，采用本发明提供的实施例，不但可以清楚地分析肿瘤形状、纹理及其相关的影像灰度值随时间变化的过程，同时也为癌症病灶有效的分类和诊断提供有力的依据。
-
公开(公告)号：CN110648275B
公开(公告)日：2023-05-09
申请号：CN201910907388.6
申请日：2019-09-24
Applicant: 广州大学
IPC: G06T3/00 , G06T3/40 , G06V10/762
Abstract: 本发明公开了一种多信道剪影重建方法，包括：获取患者经过磁共振设备扫描后的扫描影像数据并进行归一化处理，得到高维影像数据；对所述高维影像数据进行压缩采样和时间插值处理，得到优化影像数据；通过张量分解和重构技术对所述优化影像数据进行分解与重构处理，得到重构影像数据；基于图像主成分分析方法，对所述重构影像数据分析时空向量，得到多信道重构影像；本发明通过引入张量分解和重构技术，将传统的图像主成分分析算法，从两维上升到多维影像数据的计算，从而实现医学影像从高维到低维有效转换，使测量的影像数据摆脱测量的噪音带来的干扰，将需要检测的病变目标从背景影像中凸显出来，实现准确定位并提高处理效率。
-
Patent Agency Ranking
公开(公告)号：CN110689960B
公开(公告)日：2022-08-09
申请号：CN201910905726.2
申请日：2019-09-24
Applicant: 广州大学
IPC: G16H50/20 , G06T7/00 , G06V10/80 , G06V10/762 , G06K9/62
Abstract: 本发明公开了一种乳腺癌的智能判别方法，通过获取患者经过磁共振设备扫描的扫描影像数据，对所述扫描影像数据进行归一化处理，得到高维影像数据，将所述高维影像数据输入至预设的智能分类模型，生成智能分类结果，根据金标准和医生的分析结果，对所述智能分类结果进行判别，生判别结果，采用本发明提供的实施例，能够利用相关领域的训练数据跨域迁移来改善和提高乳腺癌磁共振影像分类方法，使得乳腺肿瘤特征信息最大化，从而提高了判别乳腺癌的准确率。
-
公开(公告)号：CN110689960A
公开(公告)日：2020-01-14
申请号：CN201910905726.2
申请日：2019-09-24
Applicant: 广州大学
Abstract: 本发明公开了一种乳腺癌的智能判别方法，通过获取患者经过磁共振设备扫描的扫描影像数据，对所述扫描影像数据进行归一化处理，得到高维影像数据，将所述高维影像数据输入至预设的智能分类模型，生成智能分类结果，根据金标准和医生的分析结果，对所述智能分类结果进行判别，生判别结果，采用本发明提供的实施例，能够利用相关领域的训练数据跨域迁移来改善和提高乳腺癌磁共振影像分类方法，使得乳腺肿瘤特征信息最大化，从而提高了判别乳腺癌的准确率。
-
公开(公告)号：CN110674872A
公开(公告)日：2020-01-10
申请号：CN201910906714.1
申请日：2019-09-24
Applicant: 广州大学
Abstract: 本发明公开了一种高维磁共振影像的分类方法，通过获取患者经过磁共振设备扫描的扫描影像数据，对扫描影像数据进行归一化处理，得到高维影像数据，对高维影像数据进行分解处理，生成若干个简单的几何要素，将若干个简单的几何要素输入至预设的影像分类模型，输出影像分类结果，采用本发明提供的实施例，不但可以清楚地分析肿瘤形状、纹理及其相关的影像灰度值随时间变化的过程，同时也为癌症病灶有效的分类和诊断提供有力的依据。
-
公开(公告)号：CN110648275A
公开(公告)日：2020-01-03
申请号：CN201910907388.6
申请日：2019-09-24
Applicant: 广州大学
Abstract: 本发明公开了一种多信道剪影重建方法，包括：获取患者经过磁共振设备扫描后的扫描影像数据并进行归一化处理，得到高维影像数据；对所述高维影像数据进行压缩采样和时间插值处理，得到优化影像数据；通过张量分解和重构技术对所述优化影像数据进行分解与重构处理，得到重构影像数据；基于图像主成分分析方法，对所述重构影像数据分析时空向量，得到多信道重构影像；本发明通过引入张量分解和重构技术，将传统的图像主成分分析算法，从两维上升到多维影像数据的计算，从而实现医学影像从高维到低维有效转换，使测量的影像数据摆脱测量的噪音带来的干扰，将需要检测的病变目标从背景影像中凸显出来，实现准确定位并提高处理效率。
-
公开(公告)号：CN110647939A
公开(公告)日：2020-01-03
申请号：CN201910906337.1
申请日：2019-09-24
Applicant: 广州大学
Abstract: 本发明公开了一种半监督智能分类方法，包括：从影像数据库中获取肿瘤影像图像并进行预处理；通过多通道图像重现技术对进行预处理后的肿瘤影像图像进行检测，提取肿瘤图像；通过超体素图像分割算法，对所述肿瘤图像进行图形分割检测，得到预分割图像；通过密度聚类算法对进行图形分割检测后的肿瘤图像进行样本分析，得到其紧密程度；并采用监督学习机制，对所述预分割图像做疾病预测，使用K/N投票表决机制，得到最终优化的超像素分类结果；本发明通过引入半监督智能分类学习理论，充分利用标记和非标记的肿瘤数据，提升肿瘤形状识别的效率及精准度，从而尽量降低依赖人工分析病灶影像，使得自动化肿瘤类型分析和鉴别成为可能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
