[发明专利]基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法在审
| 申请号： | 201910781301.5 | 申请日： | 2019-08-23 |
| 公开（公告）号： | CN110517241A | 公开（公告）日： | 2019-11-29 |
| 发明（设计）人： | 张惠茅;张磊;郑爽;李雪妍;沈宁;李明洋 | 申请（专利权）人： | 吉林大学第一医院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/12;G06T7/62;G16H50/20;A61B5/00;A61B5/055 |
| 代理公司： | 11616 北京盛凡智荣知识产权代理有限公司 | 代理人： | 李枝玲<国际申请>=<国际公布>=<进入 |
| 地址： | 130000 *** | 国省代码： | 吉林;22 |
| 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核磁成像IDEAL‑IQ序列全自动腹部脂肪定量分析的方法，包括以下步骤：S1：构建带有标注的核磁成像IDEAL‑IQ序列腹部影像作为深度学习训练样本集和测试样本集。本发明的计算算法包括机器学习中的U‑Net深度学习网络、3D U‑Net深度学习网络以及无监督AFKMC2聚类方法，本发明的算法需要用到IDEAL‑IQ序列中脂像和水像，其中，3D U‑Net深度学习网络和U‑Net深度学习网络分别用于分割脂像中皮下脂肪轮廓以及水像中腹膜腔轮廓，无监督AFKMC2聚类方法用于分割脂像中内脏脂肪轮廓，本发明可得到准确率更高，速度更快的全自动定量腹部脂肪组织结果。 | ||
| 搜索关键词： | 核磁成像 无监督 聚类 水像 算法 网络 学习 腹部脂肪组织 测试样本集 定量分析 腹部影像 腹部脂肪 机器学习 内脏脂肪 皮下脂肪 学习训练 腹膜腔 样本集 分割 准确率 构建 标注 | ||
【主权项】：
1.基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法，其特征在于，包括以下步骤：/nS1：构建带有标注的核磁成像IDEAL-IQ序列腹部影像作为深度学习训练样本集和测试样本集；/nS2：构建深度学习3D U-Net网络和U-Net网络模型，分别用于分割腹部皮下脂肪和腹膜腔轮廓；/nS3：对深度学习模型参数进行初始化；/nS4：进行特征提取,对腹部影像进行系列卷积、反卷积、池化和非线性运算,得到分割结果图；/nS5：将U-Net网络训练得到的所有切片的腹膜腔轮廓对应到相同身体位置的脂像中；/nS6：使用无监督AFKMC2聚类方法对脂像中腹膜腔进行内脏脂肪组织分割定量处理；/nS7：利用所述S2中得到的深度学习模型和所述S6中所述的聚类方法,对实际中采集的待分割核磁成像IDEAL-IQ序列腹部影像图像进行处理,从而得到腹部脂肪定量结果。/n
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吉林大学第一医院，未经吉林大学第一医院许可，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/201910781301.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种连铸机状态判断方法及装置
- 下一篇：一种动脉瘤的分析方法及装置
