-
公开(公告)号：CN111414956B
公开(公告)日：2024-01-30
申请号：CN202010189494.8
申请日：2020-03-18
Applicant: 东北大学
IPC: G06V10/77 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开一种肺部CT图像中模糊模式的多示例学习识别方法，属于CT图像处理技术领域。该方法首先对不同模式下的肺部CT图像进行随机抽样并进行预处理，其次对预处理后的样本采用迁移学习的方法进行特征提取，并采用主成分分析法对特征进行降维，最后采用优化后的多示例学习的方案对不同模式的肺部CT图像进行分类。本发明把卷积神经网络和多示例学习相结合，能够在数据量不足且存在未知的示例标签的情况下利用CNN提取样本特征，采用网格搜索优化多示例学习的参数，有效提高了分类准确率。
-
公开(公告)号：CN111414956A
公开(公告)日：2020-07-14
申请号：CN202010189494.8
申请日：2020-03-18
Applicant: 东北大学
Abstract: 本发明公开一种肺部CT图像中模糊模式的多示例学习识别方法，属于CT图像处理技术领域。该方法首先对不同模式下的肺部CT图像进行随机抽样并进行预处理，其次对预处理后的样本采用迁移学习的方法进行特征提取，并采用主成分分析法对特征进行降维，最后采用优化后的多示例学习的方案对不同模式的肺部CT图像进行分类。本发明把卷积神经网络和多示例学习相结合，能够在数据量不足且存在未知的示例标签的情况下利用CNN提取样本特征，采用网格搜索优化多示例学习的参数，有效提高了分类准确率。
-
公开(公告)号：CN108460748B
公开(公告)日：2020-04-14
申请号：CN201810398258.X
申请日：2018-04-28
Applicant: 东北大学
Abstract: 本发明涉及医疗技术领域，尤其提供一种乳腺肿瘤分析用特征训练参数获取方法及系统来提高后续分类的准确率，以及提供一种乳腺肿瘤诊断系统来提高乳腺肿瘤诊断的准确率。乳腺肿瘤分析用特征训练参数获取方法包括获取乳腺影像序列并对其进行降噪处理，从降噪处理后的乳腺影像序列中分割获取乳腺肿瘤区域，然后获取对侧乳腺所对应的感兴趣区域，之后通过计算乳腺影像序列中乳腺肿瘤区域和感兴趣区域内的信号平均强度绘制双侧时间强度曲线，并基于双侧时间强度曲线分别提取多个特征，并且获得双侧差异特征，然后从双侧差异特征中筛选出多个有效差异特征，多个有效差异特征作为特征训练参数。获取系统用于上述方法，乳腺肿瘤诊断系统包括获取系统。
-
公开(公告)号：CN109299679A
公开(公告)日：2019-02-01
申请号：CN201811056305.9
申请日：2018-09-11
Applicant: 东北大学
Abstract: 本发明属于疾病识别技术领域，尤其涉及一种基于狭长型条件随机场的宫颈癌组织病理图像诊断方法。该方法包括如下步骤：A1、对待处理的宫颈癌组织病理学显微图像，进行预处理；A2、对预处理的宫颈癌组织病理学显微图像进行分割处理；A3、选取分割处理后的图像进行特征提取，获取提取的全局特征；A4、采用条件随机场的方式对全局特征、分割处理后的图像进行处理，获取特征向量；A5、将所述特征向量输入预先训练的分类模型中，获取宫颈癌组织病理学显微图像的分类结果。本发明的方法全新设计了狭长型中心对称布局，用以结合使用宫颈癌组织病理学显微图像的局部特征与全局特征，使系统的诊断结果更加高效可靠。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN110555530B
公开(公告)日：2022-11-08
申请号：CN201910821699.0
申请日：2019-09-02
Applicant: 东北大学
Abstract: 本发明提供一种基于分布式的大规模基因调控网络构建方法，涉及医学信息学领域，本发明首先利用基因间的互信息值构建出基因调控的概要网络，根据结点的连结情况将网络分为若干个子网络，在每个子网络利用贝叶斯等方法在分布式环境下计算结点的调控方向，再将子网络进行合并，从而得到最终的基因调控网络。该发明可以提高基因调控网络的构建效率，通过分析基因调控网络让我们更系统地剖析细胞的功能，更深刻地洞见生命的本质。
-
公开(公告)号：CN109243523B
公开(公告)日：2021-06-11
申请号：CN201810972336.2
申请日：2018-08-24
Applicant: 东北大学
Abstract: 本发明提出一种基于乳腺癌疾病的基因调控网络构建及分析方法，流程包括：乳腺癌相关基因初步筛选；基因调控网络的构建；根据基因调控网络结果，进行节点中心性分析，包括节点的度中心性，接近中心性，中介中心性和特征向量中心性；取网络节点的度中心性，接近中心性，中介中心性和特征向量中心性的前N个数据作为为筛选出的相关基因；在人类基因中有效地筛选出了乳腺癌相关基因，从而建立与乳腺癌疾病相关的基因调控网络，并通过节点中心性分析得到重要基因，可以促进从基因学的角度对乳腺癌疾病的研究，为找到干预乳腺癌疾病发生的有效途径奠定基础。
-
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：CN108022647A
公开(公告)日：2018-05-11
申请号：CN201711233696.2
申请日：2017-11-30
Applicant: 东北大学
Abstract: 本发明提出一种基于ResNet‑Inception模型的肺结节良恶性预测方法，获取已知肺结节区域的具有标签的肺结节图像，对具有标签的肺结节图像进行预处理，得到训练图像数据集、验证图像数据集和预测图像数据集；建立基于ResNet‑Inception模型的肺结节图像分类模型；将预测图像数据集输入基于ResNet‑Inception模型的肺结节图像分类模型的最终形式中，得到预测图像数据集中肺结节图像的肺结节良恶性预测结果。本发明方法设计了新的网络结构模型，根据肺结节CT图像即可获得该肺结节的良恶性预测。
-
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
34
records
(took 0.017 seconds)
