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。