公开(公告)号：CN112017136B

公开(公告)日：2024-09-17

申请号：CN202010783409.0

申请日：2020-08-06

申请人： 杭州深睿博联科技有限公司 ,  北京深睿博联科技有限责任公司

发明人： 刘峰 ,  周振 ,  刘秋月 ,  俞益洲 ,  王亦洲

IPC分类号： G06T5/50 ,  G06T5/60 ,  G06T7/00 ,  G06T7/11 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

摘要： 本申请所提供的一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介质，所述方法包括：将获取的肺部CT图像输入至预设的渐进式上采样骨架网络模型，输出特征图像；将所述特征图像输入至3D卷积神经网络模型，所述3D卷积神经网络模型为肺内分支、肺外分支和肺掩码分支组成的卷积神经网络模型；通过所述肺掩码分支对所述特征图像的每个像素进行分类，确定肺内部分与肺外部分并进行分类标记；将所述特征图像的肺内部分、肺外部分分别输入至所述肺内分支、肺外分支进行特征学习，生成肺内图像与肺外图像；将所述肺内分支、肺外分支的生成图像组合构成完整的CT生成图像；本申请利用深度学习技术实现CT图像不同参数的转化。

公开(公告)号：CN112017136A

公开(公告)日：2020-12-01

申请号：CN202010783409.0

申请日：2020-08-06

申请人： 杭州深睿博联科技有限公司 ,  北京深睿博联科技有限责任公司

发明人： 刘峰 ,  周振 ,  刘秋月 ,  俞益洲 ,  王亦洲

IPC分类号： G06T5/50 ,  G06T7/00 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08

摘要： 本申请所提供的一种基于深度学习的肺部CT图像参数重建方法、系统、终端及存储介质，所述方法包括：将获取的肺部CT图像输入至预设的渐进式上采样骨架网络模型，输出特征图像；将所述特征图像输入至3D卷积神经网络模型，所述3D卷积神经网络模型为肺内分支、肺外分支和肺掩码分支组成的卷积神经网络模型；通过所述肺掩码分支对所述特征图像的每个像素进行分类，确定肺内部分与肺外部分并进行分类标记；将所述特征图像的肺内部分、肺外部分分别输入至所述肺内分支、肺外分支进行特征学习，生成肺内图像与肺外图像；将所述肺内分支、肺外分支的生成图像组合构成完整的CT生成图像；本申请利用深度学习技术实现CT图像不同参数的转化。

公开(公告)号：CN112017161A

公开(公告)日：2020-12-01

申请号：CN202010782644.6

申请日：2020-08-06

申请人： 杭州深睿博联科技有限公司 ,  北京深睿博联科技有限责任公司

发明人： 刘峰 ,  幸子健 ,  周振 ,  俞益洲

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种基于中心点回归的肺结节检测方法和检测装置，解决肺结节检测准确性和时效性较差的技术问题。方法包括：通过肺结节影像训练样本对卷积神经网络进行训练输出特征预测数据，特征预测数据包括关键中心点置信度热力图、中心点偏移量和中心点所在肺结节的目标大小；根据所述卷积神经网络输出的特征预测数据形成损失函数；通过所述损失函数对卷积神经网络进行监督训练，迭代优化为肺结节特征提取网络。网络的输出利用了肺结节在影像上表现为类圆形的特点，在训练过程中可以很好地关注结节区域的图像特征，避免出现大量结节候选区域的负样本参与，加快了模型训练的速度。此外在检测推理的过程中无需额外的后处理操作加快了推理的速度。