[发明专利]检测MRI影像的方法及装置在审

专利信息
申请号: 202111416870.3 申请日: 2021-11-25
公开(公告)号: CN114119546A 公开(公告)日: 2022-03-01
发明(设计)人: 于朋鑫;王少康;陈宽 申请(专利权)人: 推想医疗科技股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06V10/42;G06V10/80;G06V10/74;G06V10/774;G06V10/82;G06N3/04
代理公司: 北京布瑞知识产权代理有限公司 11505 代理人: 张欣
地址: 100085 北京市海淀*** 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: 检测 mri 影像 方法 装置
【权利要求书】:

1.一种检测MRI影像的方法,所述方法由MRI影像检测模型执行,所述MRI影像检测模型是基于深度学习方法预先训练得到的,所述MRI影像检测方法包括:

获取待检测的MRI影像,所述待检测的MRI影像包括多个序列的MRI影像在不同尺度的特征图;

对所述多个序列的MRI影像分别在每个尺度的特征图进行融合,得到第一融合特征图;

根据所述第一融合特征图,识别所述MRI影像的病灶区域。

2.根据权利要求1所述的方法,其特征在于,所述对所述多个序列的MRI影像分别在每个尺度的特征图进行融合,得到第一融合特征图,包括:

获取不同序列的MRI影像,分别构造所述不同序列MRI影像所对应的原型特征库,所述原型特征库对所述不同序列的MRI影像进行分类存储,所述原型特征库的尺寸为K,K为整数且K≥2;

计算所述多个序列的MRI影像在不同尺度的特征图与所述原型特征库中的每个原型特征图之间的相似度,得到N个相似的原型特征图,N为整数且N≥1;

重组所述N个原型特征图,得到对第一重组特征图;

将所述第一融合特征图与所述第一重组特征图进合并,得到第二融合特征图。

3.根据权利要求2所述的方法,其特征在于,所述获取不同序列的MRI影像,分别构造所述不同序列MRI影像所对应的原型特征库,包括:

对所述原型特征库中的原型特征图进行相似度训练,每个原型特征图与其他原型特征图之间的相似度为Ri,其中R1R2……RK,1≤i≤K,当R1R2+相似性距离D时,所述原型特征库将降低所述原型特征图之间的相似度。

4.根据权利要求1所述的方法,其特征在于,所述根据所述第一融合特征图,识别所述MRI影像的病灶区域,包括:

对所述第一融合特征图中所述MRI影像的病灶区域的特征信号进行增强和优化,识别所述MRI影像的病灶区域。

5.一种训练学习模型的方法,其特征在于,包括:

确定训练样本图像,所述训练样本图像包括多序列的MRI影像;

对所述训练样本图像进行数据标注,得到第一标注数据;

对所述训练样本图像进行预处理,得到第一训练数据;

基于所述第一标注数据和所述第一训练数据来训练所述学习模型,以生成针对所述不同序列的MRI影像识别出病灶区域的检测结果。

6.根据权利要求5所述的方法,其特征在于,所述对所述训练样本图像进行预处理,包括:

对所述训练样本图像进行图像配准、强度偏执校正、强度归一化、中心裁剪等处理。

7.一种检测MRI影像的装置,其特征在于,包括:

提取模块,用于获取待检测的MRI影像,所述待检测的MRI影像包括多个序列的MRI影像在不同尺度的特征图;

融合模块,用于对所述多个序列的MRI影像分别在每个尺度的特征图进行融合,得到第一融合特征图;

识别模块,根据所述第一融合特征图,识别所述MRI影像的病灶区域。

8.根据权利要求7所述的装置,其特征在于,还包括:

存储模块,用于获取不同序列的MRI影像,分别构造所述不同序列MRI影像所对应的原型特征库,所述原型特征库对所述不同序列的MRI影像进行分类存储,所述原型特征库的尺寸为K,K为整数且K≥2;

寻址模块,用于计算所述多个序列的MRI影像在不同尺度的特征图与所述原型特征库中的每个原型特征图之间的相似度,得到N个相似的原型特征图,N为整数且N≥1;

重组模块,用于重组所述N个原型特征图,得到对第一重组特征图;

所述融合模块,还用于将所述第一融合特征图与所述第一重组特征图进合并,得到第二融合特征图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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推想医疗科技股份有限公司,未经推想医疗科技股份有限公司许可,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/202111416870.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top