申请/专利权人：烟台毓璜顶医院(青岛大学附属烟台毓璜顶医院)

申请日：2023-08-11

公开（公告）日：2023-11-03

公开（公告）号：CN116993703A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/766;G06V10/80;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.21#实质审查的生效;2023.11.03#公开

摘要：本发明公开一种基于深度学习的乳腺CEM图像病灶识别系统及设备，涉及医学影像处理领域。通过获取原始CEM图像的低能图和减影图并进行预处理，标注出图像乳腺区域中的病灶，分别用两个ResNet50网络提取低能图和减影图的初步提取特征；进行双模态辅助特征融合并得到多尺度金字塔特征层；每一个金字塔特征层后都连接一个带有注意力机制的检测头对乳腺病灶进行最终的定位和分类。本发明基于深度学习方法，实现了基于多模态的CEM图像对乳腺病灶的快速检测定位和分类，提升了乳腺病灶识别效率和精度。

主权项：1.一种基于深度学习的乳腺CEM图像病灶识别系统，其特征在于，包括：图像收集及预处理模块，用于获取CEM图像并进行图像预处理，得到预处理后的样本图像；所述CEM图像包括双侧乳腺头尾位和内外斜位的低能图及减影图；所述预处理后的样本图像包括预处理后的低能图和减影图；初步特征提取模块，用于将预处理后的低能图和减影图分别输入到两个相同的ResNet50深度学习分支网络中进行初步特征提取，得到不同尺度的初步提取特征；多模态特征融合模块，用于利用多模态特征融合网络对不同尺度的初步提取特征进行特征融合，得到不同尺度的双模态融合特征；多尺度金字塔特征融合模块，用于将不同尺度的双模态融合特征输入多尺度金字塔特征融合网络，融合得到多尺度金字塔特征层；检测头病灶识别模块，用于将多尺度金字塔特征层输入对应检测头，输出乳腺病灶识别结果；所述检测头包括回归子网络和分类子网络；所述乳腺病灶识别结果包括病灶位置和类别。

全文数据：

权利要求：

百度查询： 烟台毓璜顶医院(青岛大学附属烟台毓璜顶医院) 一种基于深度学习的乳腺CEM图像病灶识别系统及设备

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