申请/专利权人：深圳信息职业技术学院

申请日：2024-01-18

公开（公告）日：2024-04-12

公开（公告）号：CN117876833A

主分类号：G06V10/80

分类号：G06V10/80;G06V10/26;G06V10/25;G06V10/54;G06V10/42;G06V10/50;G06T7/33;G06T7/136;G06T7/187;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本申请公开了一种用于机器学习的肺部CT图像特征提取方法，涉及图像处理技术领域，包括：获取患者的肺部CT图像，对肺部CT图像进行预处理，根据预处理的结果确定纹理特征；根据纹理特征将肺部CT图像进行分割处理，确定肺部CT图像中的感兴趣区域；根据多个肺部CT图像，比较感兴趣区域的变化情况，进一步确定肿瘤区域，输出肿瘤区域对应的代谢特征；根据肿瘤区域的确定情况，确定肿瘤区域的形态学特征，并基于肿瘤区域形态变化，确定肿瘤区域纹理特征的变化情况；根据肿瘤区域的提取结果，确定肿瘤区域的特征融合情况，完成对肿瘤特征的提取；能够提高图像识别精准度，提高图像识别的效率。

主权项：1.一种用于机器学习的肺部CT图像特征提取方法，其特征在于，包括：获取患者的肺部CT图像，对肺部CT图像进行预处理，根据预处理的结果确定纹理特征；根据纹理特征将肺部CT图像进行分割处理，确定肺部CT图像中的感兴趣区域；根据多个肺部CT图像，比较感兴趣区域的变化情况，进一步确定肿瘤区域，输出肿瘤区域对应的代谢特征；根据肿瘤区域的确定情况，确定肿瘤区域的形态学特征，并基于肿瘤区域形态变化，确定肿瘤区域纹理特征的变化情况；根据肿瘤区域的提取结果，确定肿瘤区域的特征融合情况，完成对肿瘤特征的提取。

全文数据：

权利要求：

百度查询： 深圳信息职业技术学院 一种用于机器学习的肺部CT图像特征提取方法

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。

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