-
公开(公告)号：CN111145200B
公开(公告)日：2023-04-18
申请号：CN201911108172.X
申请日：2019-11-13
申请人： 西北大学
IPC分类号： G06T7/136 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06T7/143
摘要： 本发明属于图像处理、机器学习技术领域，公开了一种结合卷积神经网络与循环神经网络的血管中心线追踪方法，在原始图像中，将中心线等距采样，提取图像块并组成序列，给定序列的方向类别；选取非中心线点，提取图像块并生成扩充序列，给定扩充序列的方向类别；将序列与方向类别作为输入训练卷积‑循环神经网络；在测试图像中分割血管中心线并拟合，获取用于追踪的起始序列；从起始序列开始，通过卷积‑循环神经网络预测方向实现追踪。本发明通过自动确定追踪的起点与终点，解决了传统方法需要人工干预的问题，有效利用了血管的全局与局部信息；实现中心线的自动追踪，具有不需要预分割血管、准确率高的特点。
-
公开(公告)号：CN115272508A
公开(公告)日：2022-11-01
申请号：CN202210918391.X
申请日：2022-08-01
摘要： 本申请公开了一种基于二池洛伦兹模型的APT磁共振主磁场校正方法、装置、设备及介质，其中，方法包括：获取待测对象的第一预设频率偏移间隔的CESTAPT图像；对CESTAPT的每个体素的Z谱以第二预设频率偏移间隔进行插值，其中，第一预设频率偏移间隔大于第二预设频率偏移间隔；利用二池洛伦兹模型对插值后的每个体素的Z谱进行拟合，并对拟合后的每个体素的Z谱进行主磁场校正处理。充分考虑到3T下大饱和强度的Z谱线型，采用二池洛伦兹模型分别拟合Z谱中关于水对称的部分和非对称部分，从而能够准确地描述Z谱线型，有效地减少因主磁场不均匀导致的分析量化误差，有助于利用APT图像对脑肿瘤进行更全面、精确的代谢分析。
-
公开(公告)号：CN111476757A
公开(公告)日：2020-07-31
申请号：CN202010160279.5
申请日：2020-03-10
申请人： 西北大学
摘要： 本发明属于医学图像处理、计算机辅助诊断技术领域，公开了一种冠脉斑块数据检测方法、系统、存储介质、终端，在三维医学图像上，沿着冠脉中心线点提取三维图像块作为样本，划分样本数据集；以冠脉三维图像块样本作为输入，图像是否含有斑块作为输出，构建三维阶梯卷积神经网络；将训练数据集送入网络，计算损失函数训练网络模型；训练好的网络模型在测试集上进行预测，完成冠脉斑块检测任务。本发明结合无标注数据进行半监督学习，仅依赖少量标记数据完成斑块检测，降低标注数据难度，提高检测精度。本发明实现了对冠状动脉斑块的检测，具有不需要预分割血管、准确率高、仅依赖少量标注数据的特点。
-
公开(公告)号：CN111145200A
公开(公告)日：2020-05-12
申请号：CN201911108172.X
申请日：2019-11-13
申请人： 西北大学
摘要： 本发明属于图像处理、机器学习技术领域，公开了一种结合卷积神经网络与循环神经网络的血管中心线追踪方法，在原始图像中，将中心线等距采样，提取图像块并组成序列，给定序列的方向类别；选取非中心线点，提取图像块并生成扩充序列，给定扩充序列的方向类别；将序列与方向类别作为输入训练卷积-循环神经网络；在测试图像中分割血管中心线并拟合，获取用于追踪的起始序列；从起始序列开始，通过卷积-循环神经网络预测方向实现追踪。本发明通过自动确定追踪的起点与终点，解决了传统方法需要人工干预的问题，有效利用了血管的全局与局部信息；实现中心线的自动追踪，具有不需要预分割血管、准确率高的特点。
-
公开(公告)号：CN111476757B
公开(公告)日：2023-05-23
申请号：CN202010160279.5
申请日：2020-03-10
申请人： 西北大学
IPC分类号： G06T7/00 , G06N3/0464 , G06N3/084
摘要： 本发明属于医学图像处理、计算机辅助诊断技术领域，公开了一种冠脉斑块数据检测方法、系统、存储介质、终端，在三维医学图像上，沿着冠脉中心线点提取三维图像块作为样本，划分样本数据集；以冠脉三维图像块样本作为输入，图像是否含有斑块作为输出，构建三维阶梯卷积神经网络；将训练数据集送入网络，计算损失函数训练网络模型；训练好的网络模型在测试集上进行预测，完成冠脉斑块检测任务。本发明结合无标注数据进行半监督学习，仅依赖少量标记数据完成斑块检测，降低标注数据难度，提高检测精度。本发明实现了对冠状动脉斑块的检测，具有不需要预分割血管、准确率高、仅依赖少量标注数据的特点。
-
公开(公告)号：CN114999627A
公开(公告)日：2022-09-02
申请号：CN202210426923.8
申请日：2022-04-21
摘要： 本申请公开了一种基于排列随机森林的CEST磁共振分析方法及装置，其中，方法包括：获取受试的CEST磁共振图像和病变区域与非病变区域内的体素标签；将CEST磁共振图像中每个体素的Z谱和体素标签输入预先训练的排列随机森林模型，得到每个饱和频率偏移的重要性，根据饱和频率偏移的重要性确定CEST磁共振图像中所有饱和频率偏移对于病变分类的贡献。由此，可以鲁棒性地解释代谢相关的频率偏移信号对于病变分类的贡献，以及病变区域精确分割问题。
-
公开(公告)号：CN107644420B
公开(公告)日：2020-12-29
申请号：CN201710775038.X
申请日：2017-08-31
申请人： 西北大学
摘要： 本发明属于医学影像处理技术领域，公开了一种基于中心线提取的血管图像分割方法、核磁共振成像系统，基于Hessian矩阵的vesselness滤波对脑部血管数据预处理；拓扑细化方法对血管中心线提取；以中心线点为正样本，非血管点为负样本提取训练样本和测试样本的特征；使用训练样本的特征及对应的标签训练SVM模型，把测试样本的特征作为训练后SVM模型的输入，输出的标签为血管的分割结果。本发明减少了工作量，提高了计算效率；不需要人工标定目标和背景，完成了全自动的血管分割，极大地提高了分割效率。本发明实现了大脑血管的分割，精确、快速、不需要人为干预；真阳性率和真阴性率可达到0.85。
-
公开(公告)号：CN107644420A
公开(公告)日：2018-01-30
申请号：CN201710775038.X
申请日：2017-08-31
申请人： 西北大学
摘要： 本发明属于医学影像处理技术领域，公开了一种基于中心线提取的血管图像分割方法、核磁共振成像系统，基于Hessian矩阵的vesselness滤波对脑部血管数据预处理；拓扑细化方法对血管中心线提取；以中心线点为正样本，非血管点为负样本提取训练样本和测试样本的特征；使用训练样本的特征及对应的标签训练SVM模型，把测试样本的特征作为训练后SVM模型的输入，输出的标签为血管的分割结果。本发明减少了工作量，提高了计算效率；不需要人工标定目标和背景，完成了全自动的血管分割，极大地提高了分割效率。本发明实现了大脑血管的分割，精确、快速、不需要人为干预；真阳性率和真阴性率可达到0.85。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.016 秒)
