申请/专利权人：复旦大学附属华山医院

申请日：2020-06-10

公开（公告）日：2020-09-15

公开（公告）号：CN111667478A

主分类号：G06T7/00(20170101)

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：有效-授权

法律状态：2023.04.07#授权;2020.10.13#实质审查的生效;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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD