申请/专利权人:深圳先进技术研究院
申请日:2022-12-06
公开(公告)日:2023-03-14
公开(公告)号:CN115797301A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/25;G06N3/08;G06T3/40;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.03.31#实质审查的生效;2023.03.14#公开
摘要:本发明公开了一种结合感兴趣区域距离度量学习和迁移学习的心肌检测方法。该方法包括:获取待测目标的磁共振图像;将所述磁共振图像输入到经训练的分类模型,获得心肌纤维化分类结果。所述分类模型包括区域生成模块和检测模块,该检测模块包括迁移瓶颈层、顶层和分类层,所述区域生成模块以磁共振图像阵列作为输入,输出具有候选区域的磁共振图像阵列,所述迁移瓶颈层针对所述具有候选区域的磁共振图像阵列提取每个切片瓶颈特征,进而输入到所述顶层获得顶层特征,所述分类层基于所述顶层特征,获得心肌纤维化分类结果。本发明预测准确度高,能够有效预测心肌纤维化和辅助人工诊断。
主权项:1.一种结合感兴趣区域距离度量学习和迁移学习的心肌检测方法,包括以下步骤:获取待测目标的磁共振图像;将所述磁共振图像输入到经训练的分类模型,获得心肌纤维化分类结果;其中,所述分类模型包括区域生成模块和检测模块,该检测模块包括迁移瓶颈层、顶层和分类层,所述区域生成模块以磁共振图像阵列作为输入,输出具有候选区域的磁共振图像阵列,所述迁移瓶颈层针对所述具有候选区域的磁共振图像阵列提取每个切片瓶颈特征,进而输入到所述顶层获得顶层特征,所述分类层基于所述顶层特征,获得心肌纤维化分类结果。
全文数据:
权利要求:
百度查询: 深圳先进技术研究院 结合感兴趣区域距离度量学习和迁移学习的心肌检测方法
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。