-
公开(公告)号：CN107280697A
公开(公告)日：2017-10-24
申请号：CN201710340309.9
申请日：2017-05-15
Applicant: 北京市计算中心
IPC: A61B6/00
CPC classification number: A61B6/52
Abstract: 本发明提供了一种基于深度学习和数据融合的肺结节分级判定方法和系统，方法包括：对获取的多个电子计算机断层扫描CT肺部图像进行预处理，得到预处理后的各CT肺结节图像；提取各CT肺结节图像的图像特征，并根据图像特征对各CT肺结节图像进行预分类；对预分类后的各CT肺结节图像的图像特征和对应的综合临床就诊数据进行反复训练和迭代，得到诊断模型；基于诊断模型对CT肺部图像进行CT影像肺结节的分级判定。本发明采用深度学习中的卷积神经网络模型，并结合多源数据整合技术，通过验证与测试得出专门针对CT肺结节进行分级判定的方法，且判定过程全面且可靠，有效提高了判定结果的准确性，进而能够有效地辅助医生进行疾病诊断工作。
-
Patent Agency Ranking
公开(公告)号：CN106971198A
公开(公告)日：2017-07-21
申请号：CN201710123839.8
申请日：2017-03-03
Applicant: 北京市计算中心
CPC classification number: G06K9/6267 , G06K9/6256 , G06N3/0454 , G16H50/20
Abstract: 本发明提供一种基于深度学习的尘肺病等级判定方法，所述方法对尘肺胸片的医学影像进行分类及图像增强预处理，之后通过卷积神经网络的深度学习方法对大批量的尘肺病进行分类判定，最终利用得到的尘肺病等级判断模型实现对待判断尘肺病医学影像的判断。本发明具有可以快速、准确、高效进行尘肺病等级判断的有益效果。
-
公开(公告)号：CN106909778A
公开(公告)日：2017-06-30
申请号：CN201710071847.2
申请日：2017-02-09
Applicant: 北京市计算中心
Abstract: 本发明提供一种基于深度学习的多模态医学影像识别方法，包括：基于患者待检测部位的多模态医学影像利用配准方法将多模态医学影像在同一三维空间内显示，基于多模态医学影像利用R‑CNN，识别多模态医学影像中的病变区域，根据病变区域在多模态医学影像中的坐标在同一三维空间内显示病变体，根据确诊的病变区域对应的图像块利用稠密采样方法和CNN获取各预设病种的发生概率。本发明提供一种基于深度学习的多模态医学影像识别装置，包括：多模态医学影像显示模块，病变区域检测模块，病变体显示模块，预设病种发生概率模块。本发明实现了医学影像中病变区域的自动识别，并为医生的进一步诊断提供了有效的参考数据。
-
公开(公告)号：CN106780475A
公开(公告)日：2017-05-31
申请号：CN201611235221.2
申请日：2016-12-27
Applicant: 北京市计算中心
Abstract: 本发明提供一种基于病理组织切片图像组织区域的图像处理方法及装置，该方法包括：步骤1，对病理组织切片图像进行预处理，得到子图像块；步骤2，基于深度卷积神经网络模型提取子图像块特征，整合得到病理组织切片图像特征并预分类，获取异常的病理组织切片图像；步骤3，量化临床就诊信息；步骤4，根据异常的病理组织切片图像特征和所述临床就诊信息，采用多源数据融合技术得到融合特征；步骤5，采用分类器对所述融合特征进行分类。该装置包括：预处理模块，特征提取模块，分类模块，量化模块，数据融合模块。该方法及装置克服了现有技术中病理组织切片图像的组织区域检测效果不佳的问题。
-
公开(公告)号：CN106780475B
公开(公告)日：2019-10-01
申请号：CN201611235221.2
申请日：2016-12-27
Applicant: 北京市计算中心
Abstract: 本发明提供一种基于病理组织切片图像组织区域的图像处理方法及装置，该方法包括：步骤1，对病理组织切片图像进行预处理，得到子图像块；步骤2，基于深度卷积神经网络模型提取子图像块特征，整合得到病理组织切片图像特征并预分类，获取异常的病理组织切片图像；步骤3，量化临床就诊信息；步骤4，根据异常的病理组织切片图像特征和所述临床就诊信息，采用多源数据融合技术得到融合特征；步骤5，采用分类器对所述融合特征进行分类。该装置包括：预处理模块，特征提取模块，分类模块，量化模块，数据融合模块。该方法及装置克服了现有技术中病理组织切片图像的组织区域检测效果不佳的问题。
-
公开(公告)号：CN106909778B
公开(公告)日：2019-08-27
申请号：CN201710071847.2
申请日：2017-02-09
Applicant: 北京市计算中心
Abstract: 本发明提供一种基于深度学习的多模态医学影像识别方法，包括：基于患者待检测部位的多模态医学影像利用配准方法将多模态医学影像在同一三维空间内显示，基于多模态医学影像利用R‑CNN，识别多模态医学影像中的病变区域，根据病变区域在多模态医学影像中的坐标在同一三维空间内显示病变体，根据确诊的病变区域对应的图像块利用稠密采样方法和CNN获取各预设病种的发生概率。本发明提供一种基于深度学习的多模态医学影像识别装置，包括：多模态医学影像显示模块，病变区域检测模块，病变体显示模块，预设病种发生概率模块。本发明实现了医学影像中病变区域的自动识别，并为医生的进一步诊断提供了有效的参考数据。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
