申请/专利权人：复旦大学附属华山医院

申请日：2021-03-17

公开（公告）日：2023-12-01

公开（公告）号：CN112907563B

主分类号：G06F16/45

分类号：G06F16/45;G06T7/00;G06T7/11

优先权：

专利状态码：有效-授权

法律状态：2023.12.01#授权;2021.06.22#实质审查的生效;2021.06.04#公开

摘要：本发明提供了一种基于深度学习的CTA全自动侧枝循环评分方法及系统，涉及医学图像处理技术领域，该方法包括：步骤S1：对大脑CTA图像进行掩模和归一化的预处理；步骤S2：对CTA图像进行脑区划分，获取相关解剖图谱以及功能图谱，获取加权大脑各脑区掩模图；步骤S3：对掩模与归一化后的CTA图像进行血管分割；步骤S4：基于血管分割结果量化计算评分特征；步骤S5：基于卷积神经网络测量血管壁厚度的评分特征；步骤S6：构建多标签评分分类模型，对计算得到的特征向量进行分类评分。本发明能够实现基于血流代偿途径的侧枝循环血管分级机制，并提高小血管的分割精度，还能使得评分策略具有更广泛的适用范围与更客观的评价阈值。

主权项：1.一种基于深度学习的CTA全自动侧枝循环评分方法，其特征在于，包括：步骤S1：获取大脑CTA图像和相应的二值掩模数据集，获取大脑动脉概率密度图和大脑半球图，对大脑CTA图像进行掩模和归一化的预处理；步骤S2：对CTA图像进行脑区划分，获取相关解剖图谱以及功能图谱，获取加权大脑各脑区掩模图；步骤S3：对掩模与归一化后的CTA图像进行血管分割；步骤S4：基于血管分割结果量化计算评分特征；步骤S5：基于卷积神经网络测量血管壁厚度的评分特征；步骤S6：构建多标签评分分类模型，计算各CTA图像的特征向量，并对特征向量进行分类评分。

全文数据：

权利要求：

百度查询： 复旦大学附属华山医院 基于深度学习的CTA全自动侧枝循环评分方法及系统

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