用于对病变进行分类的系统和方法

    公开(公告)号:CN118435235A

    公开(公告)日:2024-08-02

    申请号:CN202280085423.0

    申请日:2022-12-16

    Abstract: 提供了一种用于对病变进行分类的系统(100),包括用于提供成像区域的双模态图像的图像提供单元(101),所述双模态图像包括CT图像(10,10’)和配准的PET图像(20’),所述成像区域包括包含病变的感兴趣组织区域和参考组织区域。所述系统还包括识别单元(102),所述识别单元用于在所述CT图像和所述PET图像中识别相应病变图像片段,并且在所述PET图像中识别参考图像片段。此外,所述系统包括规范化单元(103)、图像特征提取单元(104)和分类单元(105),所述规范化单元用于相对于所述参考图像片段规范化所述PET图像中的所述病变图像片段,所述图像特征提取单元用于从两个病变图像片段中提取图像特征值,所述分类单元用于基于所提取的值对所述病变进行分类。

    选择用于注释的训练数据
    3.
    发明公开

    公开(公告)号:CN118414631A

    公开(公告)日:2024-07-30

    申请号:CN202280081614.X

    申请日:2022-11-17

    Abstract: 一种计算机实现的方法,其用于选择训练数据以供注释方注释,作为主动学习的机器学习过程的部分。所选择的训练数据用于训练模型,以将医学图像作为输入,并输出对所述医学图像的分割。所述方法包括:提供(202)未标记医学图像作为对所述模型的输入,并获得对所述未标记医学图像的分割作为来自所述模型的输出;a)确定(204)所述分割的部分的几何性质是否满足由所述部分表示的放射学特征的几何标准;和/或b)确定所述部分的边缘区域是否满足边缘标准。如果所述部分不满足所述几何标准和/或所述边缘标准,所述方法则包括选择(206)所述未标记医学图像作为要由所述注释方注释的训练数据,作为所述主动学习机器学习过程的部分。

Patent Agency Ranking