申请/专利权人：重庆大学;湖南众汇信息科技有限公司

申请日：2023-07-19

公开（公告）日：2023-10-13

公开（公告）号：CN116883372A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06V10/25;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.10.31#实质审查的生效;2023.10.13#公开

摘要：本发明公开了一种基于血管区域图像自适应识别肿瘤的方法及系统，其中，所述方法包括：基于CT成像设备按照不同的剂量标准对目标部位进行成像扫描处理；基于若干个不同剂量下的CT目标图像按照目标部位进行对齐处理，形成多模态CT目标图像；对多模态CT目标图像进行感兴趣区域提取处理；将若干个感兴趣区域图像进行拟合处理；对以拟合感兴趣区域图像为中心的多模态CT目标图像内的预设图像区域进行血管图像提取处理；将多模态CT图像下的若干个血管区域图像输入已训练的卷积神经网络模型对拟合感兴趣区域图像进行肿瘤识别处理，输出肿瘤识别结果。在本发明实施例中，可以通过CT图像中的感兴趣区域周边血管图像较为准确的进行肿瘤识别。

主权项：1.一种基于血管区域图像自适应识别肿瘤的方法，其特征在于，所述方法包括：基于CT成像设备按照不同的剂量标准对目标部位进行成像扫描处理，获得若干个不同剂量下的CT目标图像；基于若干个不同剂量下的CT目标图像按照目标部位进行对齐处理，形成多模态CT目标图像；基于预设感兴趣区域提取算法对所述多模态CT目标图像进行感兴趣区域提取处理，获得多模态CT图像下的若干个感兴趣区域图像；将多模态CT图像下的若干个感兴趣区域图像进行拟合处理，获得拟合感兴趣区域图像；对以所述拟合感兴趣区域图像为中心的所述多模态CT目标图像内的预设图像区域进行血管图像提取处理，获得多模态CT图像下的若干个血管区域图像；将多模态CT图像下的若干个血管区域图像输入已训练的卷积神经网络模型对拟合感兴趣区域图像进行肿瘤识别处理，输出肿瘤识别结果；所述已训练的卷积神经网络模型为使用反向传播算法及交叉熵损失函数对初始卷积神经网络模型的参数进行调整，并利用标记训练数据集训练直至收敛或达到训练次数获得的模型。

全文数据：

权利要求：

百度查询： 重庆大学;湖南众汇信息科技有限公司 一种基于血管区域图像自适应识别肿瘤的方法及系统

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