申请/专利权人：广州科松医疗智能科技有限公司

申请日：2023-12-06

公开（公告）日：2024-03-08

公开（公告）号：CN117671284A

主分类号：G06V10/40

分类号：G06V10/40;A61B8/08;A61B8/00;A61B5/055;G06V10/26;G06V10/50;G06V10/75;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：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明提供侵入性胎盘植入影像特征AI智能提取系统，涉及影像处理领域，包括采集模块、历史病例数据库、特征提取模块和预测模块，分别将B超和核磁共振MRI图像数据分别输入基于DoubleUNet网络的图像分割网络中，分别构建基于B超图像和MRI图像的训练集与测试集，基于训练集与测试集生成影像特征识别模型，通过影像特征识别模型对胎盘植入影像特征进行识别，预测模块连接特征提取模块，预测模块根据影像特征生成预测结果，本发明通过影像特征识别模型对胎盘植入影像特征进行识别，排除了人为、环境、仪器设备存在主观误差因素，利用计算机机器学习方法实现，做到省时省力。

主权项：1.一种侵入性胎盘植入影像特征AI智能提取系统，其特征在于，包括采集模块，用于采集患者胎盘处的B超图像数据和MRI图像数据；历史病例数据库，用于存储侵入性胎盘植入的B超图像数据和MRI图像数据的历史样本，其中历史样本包括多张侵入性胎盘植入图像；特征提取模块，将历史样本与由采集模块采集的B超图像数据和MRI图像数据分别输入基于DoubleUNet网络的图像分割网络中，构建训练集与测试集，基于训练集与测试集生成影像特征识别模型，通过影像特征识别模型对胎盘植入影像特征进行识别，将采集患者胎盘的B超图像和MRI图像数据与历史样本进行对比，并对胎盘植入范围及深度进行预测，并将胎盘植入的预测位置进行标注，其中训练集基于患者历史B超图像和MRI图像数据，测试集基于采集模块采集的患者胎盘处的B超图像数据和MRI图像数据；根据所述影像特征对胎盘植入范围及深度预测的具体步骤包括：S1、对测试集中的胎盘图像建立图层并复制n张，得到n+1张不同图层的胎盘图像，分别对n+1张胎盘图像进行左右、水平和垂直方向进行任意组合的翻转方式同步翻转90°，得到6n+1张特征图，之后对得到的特征图进行合并图层；S2、将S1中得到合并图层后的特征图与训练集中的胎盘图像重合并分别在不同的图层内，之后隐藏特征图，只显示训练集中的胎盘图像，对训练集中的胎盘图像进行卷积操作，得到侵入性胎盘植入的图像包围区域特征，其中图像包围区域特征包括特征坐标、长度以及置信度；S3、显示特征图，对合并图层后的特征图进行卷积操作，得到特征图的图像包围区域特征，将特征图与训练集中的胎盘图像的图像包围区域特征进行对比，将重合部位进行标记，得到初步区域预测特征；S4、将特征图的包围区域特征等距扩展至少1像素的距离，再将重合部位进行标记，得到认定区域预测特征；S5、根据初步区域预测特征与认定区域预测特征确认胎盘植入范围及深度的预测结果，并将胎盘注入的预测位置进行标注。

全文数据：

权利要求：

百度查询： 广州科松医疗智能科技有限公司 侵入性胎盘植入影像特征AI智能提取系统

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