公开(公告)号：CN110559003A

公开(公告)日：2019-12-13

申请号：CN201910878212.2

申请日：2019-09-17

Applicant: 东北大学

Inventor： 代茵 ,  唐政 ,  关鸿志 ,  关卫屏

IPC: A61B6/00 ,  A61B6/03 ,  G16H30/20 ,  G16H50/20

Abstract: 本发明属于脑部神经性慢性疾病的诊断方法技术领域，尤其涉及一种基于改进U-Net模型的脑神经性慢性疾病的诊断方法。该方法包括如下步骤：获取待处理的脑部PET图像；对待处理的脑部PET图像进行预处理；将预处理后的脑部PET图像作为输入数据，输入预先训练的改进U-Net模型，得到输出结果；将输出结果与预先定义的诊断信息进行匹配，输出脑部PET图像是否患病信息；其中，预先训练的改进U-Net模型为基于训练图像数据库中脑部PET图像和对应的是否患病标签的训练集，进行训练后的模型。该方法基于改进U-Net模型，提高脑神经性慢性疾病的诊断正确率，同时可以充分利用图像中可视化特征图的有效信息。

公开(公告)号：CN110633676A

公开(公告)日：2019-12-31

申请号：CN201910880218.3

申请日：2019-09-18

Applicant: 东北大学

Inventor： 代茵 ,  赵文璞 ,  关鸿志 ,  王洋 ,  关卫屏

IPC: G06K9/00 ,  G06T7/00 ,  G06T7/12

Abstract: 本发明涉及一种自动识别脑脊液细胞图像信息方法，包括：针对待处理的脑脊液细胞的原始图像，对所述原始图像进行预处理，得到预处理后的图像；采用最小化模型对所述与处理后的图像进行分割，获取分割后的目标细胞图像；其中，最小化模型为对所述与处理后的图像进行分割，使分割后的每一个图像内均只包含一个目标细胞；提取图像中目标细胞的特征；本发明方法可以对获取的脑脊液细胞学检测图像中的脑脊液细胞进行准确的分割处理，并对细胞的特征自动提取，而且提取的结果也会比较客观。

公开(公告)号：CN110633676B

公开(公告)日：2023-04-18

申请号：CN201910880218.3

申请日：2019-09-18

Applicant: 东北大学

Inventor： 代茵 ,  赵文璞 ,  关鸿志 ,  王洋 ,  关卫屏

IPC: G06V20/69 ,  G06T7/00 ,  G06T7/12

Abstract: 本发明涉及一种自动识别脑脊液细胞图像信息方法，包括：针对待处理的脑脊液细胞的原始图像，对所述原始图像进行预处理，得到预处理后的图像；采用最小化模型对所述预处理后的图像进行分割，获取分割后的目标细胞图像；其中，最小化模型为对所述预处理后的图像进行分割，使分割后的每一个图像内均只包含一个目标细胞；提取图像中目标细胞的特征；本发明方法可以对获取的脑脊液细胞学检测图像中的脑脊液细胞进行准确的分割处理，并对细胞的特征自动提取，而且提取的结果也会比较客观。