[发明专利]一种基于深度学习的肝包虫病灶识别方法及系统在审
| 申请号： | 201811548687.7 | 申请日： | 2018-12-18 |
| 公开（公告）号： | CN109685810A | 公开（公告）日： | 2019-04-26 |
| 发明（设计）人： | 王展;沈新科;胥瑾;辛盛海;樊海宁;王海久;周瀛;任利;侯立朝;任宾;张灵强 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;A61B6/03;G06N3/04 |
| 代理公司： | 北京天悦专利代理事务所(普通合伙) 11311 | 代理人： | 田明;高睿 |
| 地址： | 100084*** | 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： | 本发明公开了一种基于深度学习的肝包虫病灶识别方法及系统，方法包括：S1、从包虫病病例中获取包虫CT图像集；S2、基于公共数据集训练和验证肝脏分割模型，用以进行肝脏分割和肝脏体积定量；S3、通过肝脏分割模型从包虫CT图像集中获取分割后的肝脏区域，基于肝脏分割结果训练并验证病灶识别模型，在训练和验证中将囊性包虫病灶与泡性包虫病灶分别赋予不同的目标标签；S4、通过肝脏分割模型从一包虫CT图像中获取分割后的肝脏区域，在平扫CT上将肝脏区域作为VOI区输入病灶识别模型，得到识别结果。本发明所提供的方法及系统，能够挖掘肝脏占位等特征信息，使用手工标注包虫病灶的平扫CT图像，利用卷积神经网络模型对各种包虫病灶进行识别与分类。 | ||
| 搜索关键词： | 病灶 肝脏 分割模型 肝脏区域 验证 分割 卷积神经网络 公共数据集 分割结果 目标标签 特征信息 体积定量 包虫病 囊性 占位 标注 挖掘 学习 分类 赋予 | ||
【主权项】：
1.一种基于深度学习的肝包虫病灶识别方法，其特征在于，包括：S1、从包虫病病例中获取包虫CT图像集；S2、基于公共数据集训练和验证肝脏分割模型，用以进行肝脏分割和肝脏体积定量；S3、通过所述肝脏分割模型从所述包虫CT图像集中获取分割后的肝脏区域，基于肝脏分割结果训练并验证病灶识别模型，在训练和验证中将囊性包虫病灶与泡性包虫病灶分别赋予不同的目标标签；S4、通过所述肝脏分割模型从一包虫CT图像中获取分割后的肝脏区域，在平扫CT上将所述肝脏区域作为VOI区输入所述病灶识别模型，得到识别结果。
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清华大学，未经清华大学许可，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/201811548687.7/，转载请声明来源钻瓜专利网。
