申请/专利权人：广州医科大学附属第一医院(广州呼吸中心)

申请日：2021-12-08

公开（公告）日：2024-04-12

公开（公告）号：CN114140453B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/26;G06V10/44;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.03.22#实质审查的生效;2022.03.04#公开

摘要：本发明公开了一种基于神经网络的剪影血管造影术的分割方法，包括使用12层U‑net结构分割DSA图像以及通过计算原始图像中的像素是血管的一部分，深度学习网络的结构由两条路径组成，即收缩路径和扩展路径，本发明在有限数量的图像的基础上取得了很好的性能，该方法可以识别非常不同的血管轮廓，如长和直与短和曲折和分叉。在我们的测试中，我们发现深度学习网络可以分割和跟踪血管，证明了在二维图像中使用深度学习分割脑血管的可行性。

主权项：1.一种基于神经网络的剪影血管造影术的分割方法，其特征在于，具备包括以下步骤：S1、使用12层U-net结构分割DSA图像以及通过计算原始图像中的像素是血管的一部分，深度学习网络的结构由两条路径组成，即收缩路径和扩展路径；S2、在收缩路径中，每个conv2d层使用一个3×3的卷积核，每两个conv2d层后接一个整流线性单元ReLU激活函数和2×2最大池层；进行下采样；S3、在扩展路径中，池运算符被上采样运算符所取代；S4、特征通道数和上采样数以及conv2d将特征通道数减半；S5、由于每个卷积都会丢失边界像素，因此需要对收缩路径中的特征映射进行相应的复制和裁剪；S6、扩展路径创建高分辨率分割图，Sigmoid激活函数代替了最后一个卷积层的ReLU；S7、采用“分类交叉熵”损失函数和随机梯度下降法进行优化；输出的尺寸为128×128，而输出中的每个像素表示像素血管的一部分；我们用32个小批量进行了500个周期的训练，选出了最佳的模型作为最终的深度学习网络。

全文数据：

权利要求：

百度查询： 广州医科大学附属第一医院(广州呼吸中心) 一种基于神经网络的剪影血管造影术的分割方法

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