[发明专利]一种基于深度迁移学习的血管内斑块属性分析方法有效
| 申请号： | 201711024432.6 | 申请日： | 2017-10-27 |
| 公开（公告）号： | CN107730497B | 公开（公告）日： | 2021-09-10 |
| 发明（设计）人： | 骆功宁;董素宇;王玮;束磊;王宽全;张恒贵 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 岳泉清 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度迁移学习的血管内斑块属性分析方法，属于医学图像处理领域，具体涉及一种血管内斑块属性分析方法。本发明首先临床方式获取多模态血管内影像数据，人工标记血管内斑块的属性，然后对标记后的血管内影像进行预处理，将经预处理后的血管内影像数据作为深度卷积神经网络的输入，采用有监督的迁移学习方式进行深度卷积神经网络训练，并采用由基于反向传播算法的随机梯度下降方式进行网络参数的学习；接着采用训练好的多个跨模态的预测模型对步骤一中获取的血管内影像进行投票融合预测，最后生成斑块种类概率图谱。本发明解决了现有方法耗费人力多、存在人为差异、速率低的问题。本发明可运用于血管图像处理。 | ||
| 搜索关键词： | 一种 基于 深度 迁移 学习 血管 内斑块 属性 分析 方法 | ||
【主权项】：
一种基于深度迁移学习的血管内斑块属性分析方法，其特征在于，所述方法包括以下步骤：步骤一、临床方式获取多模态血管内影像数据，具体包括血管内超声图像和血管内OCT图像，其中多模态是指不同的成像手段获取的血管内壁影像，OCT即光学相干断层成像；步骤二、人工标记血管内斑块的属性：医生根据获取的血管内影像数据的影像特征，判定血管内斑块属性，将血管内斑块分类，并对图像进行标记；步骤三、对标记后的血管内影像进行预处理；步骤四、将经步骤三处理后的血管内影像数据作为深度卷积神经网络的输入，采用有监督的迁移学习方式进行深度卷积神经网络训练，并采用由基于反向传播算法的随机梯度下降方式进行网络参数的学习；步骤五、采用训练好的多个跨模态的预测模型对步骤一中获取的血管内影像进行投票融合预测，并输出每个血管内斑块类别的概率；步骤六、生成斑块种类概率图谱，通过可视化的方式辅助血管斑块分析。
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哈尔滨工业大学，未经哈尔滨工业大学许可，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/patent/201711024432.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于XML协议的app服务器实现方法
- 下一篇：地图显示方法及其装置
