【发明公布】CTA到MRA跨模态预测的颈动脉斑块识别方法及系统_复旦大学附属华山医院_202010523637.4 

申请/专利权人:复旦大学附属华山医院

申请日:2020-06-10

发明/设计人:耿道颖;于泽宽;张军;尹波;李郁欣;吴昊;耿岩;胡斌;杨丽琴;张晓龙;狄若愚

公开(公告)日:2020-09-15

代理机构:上海汉声知识产权代理有限公司

公开(公告)号:CN111667478A

代理人:胡晶

主分类号:G06T7/00(20170101)

地址:200040 上海市静安区乌鲁木齐中路12号

分类号:G06T7/00(20170101);G06T7/11(20170101);G06T7/33(20170101);G06T7/73(20170101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权:

专利状态码:在审-公开

法律状态:2020.09.15#公开

摘要:本发明提供了一种基于CTA到MRA跨模态预测的颈动脉斑块识别方法,包括以下步骤:数据收集步骤:收集配对的颈动脉CTA和MRA图像数据;斑块分割及模型训练步骤:先进行CTA和MRA颈动脉管腔的定位,然后进行颈动脉斑块的分割,获得CTA和MRA的斑块区域图像,将CTA和MRA的斑块区域图像送到pix2pix或者cycle‑GAN网络进行训练,获得初步训练后的模型。本发明设计完整、新颖的算法流程,使用改进的深度学习Multiplan‑net算法对CTA图像上的颈动脉管腔、斑块进行自动分割,在此基础上设计优化的对抗生成网络进行CTA数据扩增,从而进一步提高分割精度。

主权项:1.一种基于CTA到MRA跨模态预测的颈动脉斑块识别方法,其特征在于,包括以下步骤:数据收集步骤:收集配对的颈动脉CTA和MRA图像数据;斑块分割及模型训练步骤:先进行CTA和MRA颈动脉管腔的定位,然后进行颈动脉斑块的分割,获得CTA和MRA的斑块区域图像,将CTA和MRA的斑块区域图像送到pix2pix或者cycle-GAN网络进行训练,获得初步训练后的模型;模型增强训练步骤:设计生成式对抗网络GAN进行CTA和MRA数据扩增,对初步训练后的模型进一步训练,获得最终训练后的模型;斑块识别步骤:根据配对输入的颈动脉斑块图像,通过获得的最终训练后的模型对新的CTA图像进行跨模态融合预测。

全文数据:

权利要求:

百度查询: 复旦大学附属华山医院 CTA到MRA跨模态预测的颈动脉斑块识别方法及系统