-
公开(公告)号：CN112734755A
公开(公告)日：2021-04-30
申请号：CN202110273759.7
申请日：2021-03-15
申请人： 四川大学 , 四川大学华西医院 , 成都华西精准医学产业技术研究院有限公司 , 成都智能迭迦科技合伙企业(有限合伙)
摘要： 本发明公开了一种基于3D全卷积神经网络与多任务学习的肺叶分割方法，属于肺叶自动分割领域。本发明包括如下步骤：准备肺叶相关数据并进行标定；对原始的肺叶CT图像数据以及有准确标签的肺叶相关数据均进行预处理，去除冗余的背景信息；基于多任务学习构建3D全卷积神经网络；使用预处理后的标定的肺叶相关数据与合成的学习误差训练所述构建的3D全卷积神经网络；使用训练好的3D全卷积神经网络对输入的三维肺叶CT图像进行肺叶分割，输出预测的肺叶标签。本发明能够接受原始大小的肺叶CT图像数据并自动、快速地产生准确的肺叶分割结果。
-
公开(公告)号：CN110766051A
公开(公告)日：2020-02-07
申请号：CN201910894435.8
申请日：2019-09-20
摘要： 本发明公开一种基于神经网络的肺结节形态学分类方法，包括以下步骤：1、数据准备。该阶段主要完成数据从医院数据系统导入以及对待分类的肺结节进行标定；2、数据预处理，该阶段对数据进行预处理，主要包括原始CT图像的预处理与结节区域的截取；3、构建多尺度三维残差网络模型，并使用采集的数据和标定的结果对模型进行训练；4、重复步骤3，构建并训练好多种形态学分类的模型；5、使用步骤3、步骤4训练好的模型对检测任务自动检测出的肺结节进行分类，输出模型预测的肺结节形态学特征的信息。本发明将结节截取三个尺度作为对应尺度残差的网络的输入，提取三种尺度结节的深度特征，最后经过融合，集成三个模型得到最后的分类结果。
-
公开(公告)号：CN110807764A
公开(公告)日：2020-02-18
申请号：CN201910894443.2
申请日：2019-09-20
摘要： 本发明公开一种基于神经网络的肺癌筛查方法，包括：数据准备，该阶段主要完成数据从医院数据系统导入以及数据的标定；数据预处理，该阶段对数据进行预处理，肺部区域的分割；三维RPN网络的构建，训练，使用采集的数据和标定结果训练RPN网络；训练适合不同分辨率的网络，构建结合策略；使用训练好的模型对输入的三维CT图像进行肺结节检测，输出预测的肺结节信息，包括中心点三维坐标以及肺结节的直径大小；通过第5步给出的中心点的三维坐标以及直径大小，构建基于注意力机制的神经网络，对肺结节的性质进行判定。本发明从检测采用对三维输入直接进行候选结节的检测，这一方法使得候选检测更全面可靠。
-
公开(公告)号：CN115831339B
公开(公告)日：2023-04-28
申请号：CN202310143517.5
申请日：2023-02-21
申请人： 四川大学华西医院 , 成都爱迦飞诗特科技有限公司
IPC分类号： G16H40/20 , G06Q10/04 , G06Q10/0635 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于深度学习的医疗系统风险管控事前预测方法、系统，涉及医疗系统的风险管控技术领域，用于解决现有的基于神经网络的风险预测因数据量庞大、风险评价指标造成的风险评估准确率低的问题。其包括LSTM网络、CNN卷积网络以及注意力双向RNN网络的风险种类预测模型；训练时，采用BP反馈传播算法进行梯度回传，使用平均绝对误差MAE区分风险种类，使用均方根误差RMSE对风险评估等级回归学习。本发明通过采用不同风险类别的算法来预测未发生的风险、采用注意力机制使神经网络的风险评估准确率更高。
-
公开(公告)号：CN114693698B
公开(公告)日：2023-06-20
申请号：CN202011628297.8
申请日：2020-12-30
摘要： 本发明公开一种基于神经网络的计算机辅助肺气道分割方法，包括以下步骤：步骤s1：数据准备：预先准备若干病人的肺部CT图像并标定其中的待分割肺气道；步骤s2：数据预处理：对肺部CT图像中的肺部区域进行分割，得到输入数据；步骤s3：建构三维多尺度特征聚合网络并训练三维多尺度特征聚合网络；步骤s4：将所述输入数据输入经历步骤s3后的三维多尺度特征聚合网络，得到输出结果；步骤s5：对输出结果进行后处理，得到肺气道分割结果。本发明通过一种三维多尺度特征聚合的深度神经网络准确、高效地完成对肺气道的分割，尤其能获取更为准确的叶内气道分割结果，同时本发明实施过程可实现无人值守批量操作。
-
公开(公告)号：CN115831339A
公开(公告)日：2023-03-21
申请号：CN202310143517.5
申请日：2023-02-21
申请人： 四川大学华西医院 , 成都爱迦飞诗特科技有限公司
IPC分类号： G16H40/20 , G06Q10/04 , G06Q10/0635 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于深度学习的医疗系统风险管控事前预测方法、系统，涉及医疗系统的风险管控技术领域，用于解决现有的基于神经网络的风险预测因数据量庞大、风险评价指标造成的风险评估准确率低的问题。其包括LSTM网络、CNN卷积网络以及注意力双向RNN网络的风险种类预测模型；训练时，采用BP反馈传播算法进行梯度回传，使用平均绝对误差MAE区分风险种类，使用均方根误差RMSE对风险评估等级回归学习。本发明通过采用不同风险类别的算法来预测未发生的风险、采用注意力机制使神经网络的风险评估准确率更高。
-
公开(公告)号：CN114693698A
公开(公告)日：2022-07-01
申请号：CN202011628297.8
申请日：2020-12-30
摘要： 本发明公开一种基于神经网络的计算机辅助肺气道分割方法，包括以下步骤：步骤s1：数据准备：预先准备若干病人的肺部CT图像并标定其中的待分割肺气道；步骤s2：数据预处理：对肺部CT图像中的肺部区域进行分割，得到输入数据；步骤s3：建构三维多尺度特征聚合网络并训练三维多尺度特征聚合网络；步骤s4：将所述输入数据输入经历步骤s3后的三维多尺度特征聚合网络，得到输出结果；步骤s5：对输出结果进行后处理，得到肺气道分割结果。本发明通过一种三维多尺度特征聚合的深度神经网络准确、高效地完成对肺气道的分割，尤其能获取更为准确的叶内气道分割结果，同时本发明实施过程可实现无人值守批量操作。
-
公开(公告)号：CN118229645A
公开(公告)日：2024-06-21
申请号：CN202410376322.X
申请日：2024-03-29
摘要： 本发明公开了一种肺部纵隔淋巴结检测方法、系统、设备及介质，属于人工智能技术领域淋巴结检测，其目的在于解决淋巴结中心偏移误差服从高斯分布且淋巴结检测难度受淋巴结中心移动而动态变化、淋巴结检测效果较差的技术问题。构建的淋巴结分割模型包括主干网络、预测模块和修正模块，主干网络的输出作为预测模块的输入，预测模块的输出与主干网络中各下采样模块的输出进行特征加权后作为修正模块的输入；预测模块输出目标结节的包围盒信息、第一概率，修正模块输出目标结节的第二概率，将目标结节的包围盒信息、第一概率和第二概率的平均值与对应的标签数据计算损失，更新淋巴结分割模型的参数。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.083 秒)
