申请/专利权人：宁波市医疗中心李惠利医院

申请日：2023-08-24

公开（公告）日：2023-11-21

公开（公告）号：CN117095219A

主分类号：G06V10/764

分类号：G06V10/764;G06N3/0464;G06N3/094;G06V10/82;G06V10/25;G06T7/11;G06N3/092;G06T7/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.08#实质审查的生效;2023.11.21#公开

摘要：本发明公开了一种基于DWI和FLAIR影像的缺血性脑卒中发病时间预测模型，所述模型包括以下算法模块：1）基于多层对抗学习的领域自适应算法模块；2）KeySliceSelection算法模块；3）PriorGuidedFeatureEnhancement算法模块；本发明针对域偏移问题采用基于多层对抗学习的领域自适应策略，通过跨域分割网络和域判别器的对抗学习，在输出空间上对齐源域和目标域的分布，以提高跨域分割网络的跨域和泛化能力。利用失配分割损失对Encoder卒中分辨能力进行强化训练，以提高对卒中病变区域特征的区分性。

主权项：1.一种基于DWI和FLAIR影像的缺血性脑卒中发病时间预测模型，其特征在于，所述模型包括以下算法模块：1基于多层对抗学习的领域自适应算法模块，该模块采用基于多层对抗学习的领域自适应算法，鼓励跨域分割网络骗过域判别器，并在目标域中生成与源域分布相似的分割结果，在输出空间上减少源域和目标域的分布差异以解决两个域之间的域偏移问题；2KeySliceSelection算法模块，该模块在患者的一组MRI影像切片中筛选出包含丰富ROI特征的关键切片，减少CNN下采样带来的特征损失，为TSS分类提供可靠的判断依据；3PriorGuidedFeatureEnhancement算法模块，该模块通过构建失配分割损失Lms，强化Encoder对卒中特征的判别能力，以解决卒中病变和其他组织特征混淆问题；4AttentionAugmentJointPredication算法模块，该模块利用LesionAttention细化ROI特征向量中卒中特征的表示，以提高TSS分类的性能。

全文数据：

权利要求：

百度查询： 宁波市医疗中心李惠利医院 基于DWI和FLAIR影像的缺血性脑卒中发病时间预测模型

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