-
Patent Agency Ranking
公开(公告)号：CN107507197B
公开(公告)日：2020-11-24
申请号：CN201710712015.4
申请日：2017-08-18
Applicant: 东北大学
Abstract: 本发明提出一种基于聚类算法和卷积神经网络的肺实质提取方法，本发明采用聚类算法对肺部CT图像进行预处理，得到CT图像的肺实质区域和非肺实质区域的数据集，将已知的肺部CT图像的数据集划分为训练集和验证集，将未知的肺部CT图像的数据集作为测试集；建立卷积神经网络模型，采用训练集和验证集数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；将测试集输入训练后的卷积神经网络模型中，得到CT图像肺实质区域，实现了对未知患者的肺部CT图像进行肺实质区域提取功能，并对下一阶段自动搜寻肺癌区域垒下基础，有助于下一阶段的肺癌提取、分类。
-
公开(公告)号：CN109087296B
公开(公告)日：2021-08-10
申请号：CN201810889991.1
申请日：2018-08-07
Applicant: 东北大学
Abstract: 本发明公开了一种提取CT图像中人体区域的方法，涉及医学图像处理领域，本发明通过聚类算法以及一系列图像形态学方法将患者CT图像划分为人体区域和背景区域，达到自动生成训练卷积神经网络模型所需的训练子集、验证集和单像素测试集小块；通过卷积神经网络模型，对人体区域和背景区域两类小块进行分类，涉及最优参数化的卷积神经网络模型，达到准确率高的人体区域分类效果；实现了对患者CT图像进行全自动的人体所占区域的提取功能，高效且准确，并对下一阶段的人体体内的全肺分析具有价值与帮助，有助于更高效、准确的定位肺部内的肺实质、肺癌等区域的提取、分类。
-
公开(公告)号：CN107507197A
公开(公告)日：2017-12-22
申请号：CN201710712015.4
申请日：2017-08-18
Applicant: 东北大学
Abstract: 本发明提出一种基于聚类算法和卷积神经网络的肺实质提取方法，本发明采用聚类算法对肺部CT图像进行预处理，得到CT图像的肺实质区域和非肺实质区域的数据集，将已知的肺部CT图像的数据集划分为训练集和验证集，将未知的肺部CT图像的数据集作为测试集；建立卷积神经网络模型，采用训练集和验证集数据对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；将测试集输入训练后的卷积神经网络模型中，得到CT图像肺实质区域，实现了对未知患者的肺部CT图像进行肺实质区域提取功能，并对下一阶段自动搜寻肺癌区域垒下基础，有助于下一阶段的肺癌提取、分类。
-
公开(公告)号：CN109087296A
公开(公告)日：2018-12-25
申请号：CN201810889991.1
申请日：2018-08-07
Applicant: 东北大学
Abstract: 本发明公开了一种提取CT图像中人体区域的方法，涉及医学图像处理领域，本发明通过聚类算法以及一系列图像形态学方法将患者CT图像划分为人体区域和背景区域，达到自动生成训练卷积神经网络模型所需的训练子集、验证集和单像素测试集小块；通过卷积神经网络模型，对人体区域和背景区域两类小块进行分类，涉及最优参数化的卷积神经网络模型，达到准确率高的人体区域分类效果；实现了对患者CT图像进行全自动的人体所占区域的提取功能，高效且准确，并对下一阶段的人体体内的全肺分析具有价值与帮助，有助于更高效、准确的定位肺部内的肺实质、肺癌等区域的提取、分类。
-
公开(公告)号：CN107481251A
公开(公告)日：2017-12-15
申请号：CN201710581295.X
申请日：2017-07-17
Applicant: 东北大学
Abstract: 一种从肺部CT图像中提取末端支气管树的方法，属于基于医学图像的图像处理技术领域；包括：采用区域生长法去除肺部CT图像中肺区边缘；在去除边缘后的肺区中，按CT值寻找疑似末端支气管区域；去除疑似末端支气管区域中的非气道树区域，得到末端支气管；获取末端支气管的两个端点；根据末端支气管的两个端点生成末端支气管的中心线；沿着末端支气管的中心线进行末端支气管与气管树主体的连接，得到支气管树；本发明考虑到三维支气管树分割中末端支气管易被泄漏和漏分割问题，根据CT值提取遗漏的气管点并按气道树的形态学特征对其进行筛选，按遗漏气管延伸线将其与气管树主体连接，从而更准确的分割出末端支气管，获得更完整的三维支气管树。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
