申请/专利权人:周口师范学院
申请日:2023-11-14
公开(公告)日:2024-02-13
公开(公告)号:CN117557523A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/30;G06V10/20;G06V40/14;G06V10/774;G06V10/82;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.01#实质审查的生效;2024.02.13#公开
摘要:一种基于MLP的血管增强方法包括以下步骤:获取医学图像,形成医学图像数据集,将医学图像数据集按照1:1的比例划分训练集和测试集,并在训练集中随机选出20%作为验证集;预估训练集中每张医学图像中最粗血管的直径dmax,利用dmax设计探测窗口的尺寸;计算每个探测窗口下的海森矩阵及其特征值和特征向量;将所述特征向量输入至待训练MLP模型中,训练得到MLP模型;将验证集中的患者医学图像输入至所述MLP模型得到血管增强结果。本方法通过预估待处理医学图像数据最大血管直径即可得到血管增强结果,无需根据不同的数据设置不同的参数;对MLP隐含层节点数据选取做了说明,增加了MLP模型的可解释性;本方法对非血管区域不具有强反应,有效提升了血管增强的精确度。
主权项:1.一种基于MLP的血管增强方法,其特征在于,所述方法包括以下步骤:步骤1:获取医学图像,形成医学图像数据集,将所述医学图像数据集按照1:1的比例划分训练集和测试集,并在训练集中随机选出20%作为验证集;步骤2:预估所述训练集中每张医学图像中最粗血管的直径dmax,利用dmax设计探测窗口的尺寸;步骤3:计算每个探测窗口下的海森矩阵及其特征值和特征向量;步骤4:将所述特征向量输入至待训练MLP模型中,训练得到MLP模型;步骤5:将验证集中的患者医学图像输入至所述MLP模型得到血管增强结果。
全文数据:
权利要求:
百度查询: 周口师范学院 一种基于MLP的血管增强方法
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。