[发明专利]基于SE-DenseNet深度学习框架和增强MR图像的肝细胞癌自动分级方法有效
| 申请号： | 201910042749.5 | 申请日： | 2019-01-17 |
| 公开（公告）号： | CN109886922B | 公开（公告）日： | 2023-08-18 |
| 发明（设计）人： | 纪建松;戴亚康;周志勇;徐民;陈敏江;周庆 | 申请（专利权）人： | 丽水市中心医院;中国科学院苏州生物医学工程技术研究所 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/0464 |
| 代理公司： | 北京远大卓悦知识产权代理有限公司 11369 | 代理人： | 韩飞 |
| 地址： | 323000 浙*** | 国省代码： | 浙江;33 |
| 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SE‑DenseNet深度学习框架和增强MR图像的肝细胞癌自动分级方法，包括1)采集数据；2)对所有的增强MR的肝细胞癌三维图像进行预处理；3)将训练数据进行增强；4)基于增强的训练数据，训练肝细胞癌分级预测模型：SE‑DenseNet网络；5)采用训练好的模型对测试数据进行分级预测，评估肝细胞癌分级预测模型的分类性能。本发明通过由图像预处理、图像增强、SE‑DenseNet网络训练、SE‑DenseNet网络测试组成的肝细胞癌多模态增强MR图像的自动病理分级方法，能实现肝细胞癌自动分级，能克服人工对肝细胞进行分级存在的人力和时间耗费和主观性差异的问题。 | ||
| 搜索关键词： | 基于 se densenet 深度 学习 框架 增强 mr 图像 肝细胞 自动 分级 方法 | ||
【主权项】：
1.一种基于SE‑DenseNet深度学习框架和增强MR图像的肝细胞癌自动分级方法，其特征在于，包括以下步骤：1)临床获取多模态增强MR的肝细胞癌三维图像和病理分级结果；2)对所有的增强MR的肝细胞癌三维图像进行预处理，以作为训练数据；3)将训练数据进行增强，扩增训练数据量；4)基于增强的训练数据，训练肝细胞癌分级预测模型：SE‑DenseNet网络；5)采用训练好的模型对测试数据进行分级预测，评估肝细胞癌分级预测模型的分类性能；其中，所述SE‑DenseNet网络是通过将DenSE、DenSE‑BC和SE框架相结合得到，SE框架即为：Squeeze‑and‑Excitation Networks框架。
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丽水市中心医院;中国科学院苏州生物医学工程技术研究所，未经丽水市中心医院;中国科学院苏州生物医学工程技术研究所许可，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/201910042749.5/，转载请声明来源钻瓜专利网。
