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。