[发明专利]基于深度神经网络的血管模型提取方法有效
| 申请号： | 201811454839.7 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109472807B | 公开（公告）日： | 2021-11-26 |
| 发明（设计）人： | 赵世凤;田沄;王学松;周明全 | 申请（专利权）人： | 北京师范大学 |
| 主分类号： | G06T7/187 | 分类号： | G06T7/187;G06T7/11;G06T7/00;G06N3/08 |
| 代理公司： | 北京中海智圣知识产权代理有限公司 11282 | 代理人： | 胡静 |
| 地址： | 100875 北*** | 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： | 本发明公开一种基于深度神经网络的血管模型提取方法，包括：步骤1：血管数据增强，通过T_Frangi算法，依据空间尺度理论，从而将血管数据进行增强；步骤2：候选数据保留；步骤3：血管连通区域特征计算；步骤4：深度神经网络训练，将血管特征组成的元组作为输入来训练神经网络，从而获得血管提取模型。本发明所述的基于深度神经网络的血管模型提取方法，在深度增强后的血管候选区域上，利用血管连通性，构建每个连通区域的五元特征组，训练神经网络模型，从而对血管进行提取，该方法无需对整个体数据进行训练，只需考虑候选血管连通区域部分的计算，能有效去除孤立点，提取精确度高，具有较大的灵活性。 | ||
| 搜索关键词： | 基于 深度 神经网络 血管 模型 提取 方法 | ||
【主权项】：
1.基于深度神经网络的血管模型提取方法，其特征在于，包括如下步骤：步骤1：血管数据增强，通过T_Frangi算法，依据空间尺度理论，从而将血管数据进行增强；步骤2：候选数据保留，计算不同响应值下保留的候选数据占原始血管数据的比例，同时依据血管容量在组织中的容积比，选择大于且接近容积比的响应值进行候选数据的保留；步骤3：血管连通区域特征计算，根据血管连通性，对每个连通区域的特征进行计算提取，同时对每个连通区域标记为血管区域或非血管区域；步骤4：深度神经网络训练，将血管特征组成的元组作为输入来训练神经网络，从而获得血管提取模型。
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北京师范大学，未经北京师范大学许可，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/201811454839.7/，转载请声明来源钻瓜专利网。
