[发明专利]胆管形态识别方法及装置在审
| 申请号： | 202111061013.6 | 申请日： | 2021-09-10 |
| 公开（公告）号： | CN113705578A | 公开（公告）日： | 2021-11-26 |
| 发明（设计）人： | 岳京花;姜楠;周付根 | 申请（专利权）人： | 北京航空航天大学;北京清华长庚医院 |
| 主分类号： | G06K9/36 | 分类号： | G06K9/36;G06K9/34;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 胆管 形态 识别 方法 装置 | ||
1.一种胆管形态识别方法，其特征在于，包括：
图像预处理，
提供包含若干个图像的集合S，
将所述集合S中的图像转换为同一分辨率和/或尺寸，所述图像中包含胆管目标，所述胆管目标的形态为原发性扩张或继发性扩张；
将所述集合S中的图像进行几何运算或空域变换后获得的图像组成集合T，将所述集合T并入集合S；
模型训练，
以所述集合S中的图像为输入，以所述图像中胆管目标的形态为输出，送入深度学习神经网络训练得到胆管形态识别网络；
目标识别，
将包含所述胆管目标的任一图像送入胆管形态识别网络，获取所述胆管形态识别网络输出的所述任一图像胆管目标的形态预测，所述形态预测包含形态为原发性扩张的概率和继发性扩张的概率。
2.根据权利要求1所述的方法，其特征在于，所述的图像预处理，及所述的目标识别，还包括：利用图像分割技术或人工勾画标识所述图像包含的胆管目标，根据所述胆管目标对图像进行剪裁。
3.根据权利要求1所述的方法，其特征在于，还包括：生成所述集合S中的图像的深度图像组成集合U，将所述集合U并入集合S。
4.根据权利要求1所述的方法，其特征在于，所述的几何运算或空域变换包括：对所述图像进行旋转、镜像、降分辨率。
5.根据权利要求1所述的方法，其特征在于，从所述深度学习神经网络的输入端到输出端，依次连接有第一卷积层(10)、第一卷积组件(30)、全局平均池化层(40)和softmax层(50)；所述第一卷积层(10)内部包含第二卷积组件(11)和最大池化dropout组件(12)。
6.根据权利要求5所述的方法，其特征在于，所述深度学习神经网络还包括：注意力模块(20)，所述注意力模块(20)的输入来自第一卷积层(10)，所述注意力模块(20)的输出与第一卷积层(10)的输出进行组合，所述注意力模块(20)包括第三卷积组件(21)和Sigmoid层(22)。
7.一种胆管形态识别装置，其特征在于，包括：
图像预处理模块，其用于
提供包含若干个图像的集合S，
将所述集合S中的图像转换为同一分辨率和/或尺寸，所述图像包含胆管目标，所述胆管目标的形态为原发性扩张或继发症扩张；
将所述集合S中的图像进行几何运算或空域变换后获得的图像，加入所述集合S；
模型训练模块，其用于
以所述集合S中的图像为输入，以所述图像中胆管目标的形态为输出，送入深度学习神经网络训练得到胆管形态识别网络；
目标识别模块，其用于
将包含所述胆管目标的任一图像送入胆管形态识别网络，获取所述胆管形态识别网络输出的所述任一图像胆管目标的形态预测，所述形态预测包含形态为原发性扩张的概率和继发性扩张的概率。
8.一种计算设备，包括：处理器，及存储有程序的存储器，其特征在于，所述处理器执行所述程序时，实现权利要求1～6中任一项所述的方法。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被执行时实现权利要求1～6中任一项所述的方法。
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北京航空航天大学;北京清华长庚医院，未经北京航空航天大学;北京清华长庚医院许可，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/202111061013.6/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种自动上料机中双金属料带的切断机构
- 下一篇：一种防止骨质增生的药物配方
