[发明专利]基于深度学习的多模态成像扫描协议推荐方法及系统在审
| 申请号： | 201910590796.3 | 申请日： | 2019-07-02 |
| 公开（公告）号： | CN110364248A | 公开（公告）日： | 2019-10-22 |
| 发明（设计）人： | 石洪成;陈曙光;顾宇参;余浩军;修雁;李蓓蕾;胡鹏程;张一秋 | 申请（专利权）人： | 复旦大学附属中山医院 |
| 主分类号： | G16H30/20 | 分类号： | G16H30/20 |
| 代理公司： | 上海容慧专利代理事务所(普通合伙) 31287 | 代理人： | 于晓菁 |
| 地址： | 200032 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 扫描协议 多模态成像 学习 训练集 技术门槛 扫描结果 扫描历史 专业医师 预扫描 构建 减小 优化 | ||
1.一种基于深度学习的多模态成像扫描协议推荐方法，其特征在于，包括如下步骤：
构建训练集，所述训练集包括的元素为：预扫描对象、预扫描区域、病史信息及生理信号；
对所述训练集进行深度学习，获得对应所述预扫描区域的优化的扫描协议组合作为扫描协议推荐结果。
2.如权利要求1所述的基于深度学习的多模态成像扫描协议推荐方法，其特征在于，所述对所述训练集进行深度学习过程中，通过神经网络分类判断获得对应所述预扫描区域的优化的扫描协议组合。
3.如权利要求1所述的基于深度学习的多模态成像扫描协议推荐方法，其特征在于，所述预扫描对象为人体各个器官中的一种或多种。
4.如权利要求1所述的基于深度学习的多模态成像扫描协议推荐方法，其特征在于，所述器官为肝，心，脑或盆腔。
5.如权利要求1所述的基于深度学习的多模态成像扫描协议推荐方法，其特征在于，所述预扫描区域为半身或全身。
6.如权利要求1所述的基于深度学习的多模态成像扫描协议推荐方法，其特征在于，所述病史信息包括：病灶发展和病灶位置。
7.如权利要求1所述的基于深度学习的多模态成像扫描协议推荐方法，其特征在于，所述生理信号包括呼吸信号和心跳信号。
8.一种基于深度学习的多模态成像扫描协议推荐系统，其特征在于，包括：
训练集构建模块，用于构建训练集，所述训练集包括的元素为：预扫描对象、预扫描区域、病史信息及生理信号；
深度学习模块，用于对所述训练集进行深度学习，获得对应所述预扫描区域的优化的扫描协议组合。
9.如权利要求8所述的基于深度学习的多模态成像扫描协议推荐系统，其特征在于，所述预扫描对象为人体各个器官中的一种或多种。
10.如权利要求8所述的基于深度学习的多模态成像扫描协议推荐系统，其特征在于，所述预扫描区域为半身或全身。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于复旦大学附属中山医院，未经复旦大学附属中山医院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910590796.3/1.html，转载请声明来源钻瓜专利网。
