公开(公告)号：CN115984300A

公开(公告)日：2023-04-18

申请号：CN202211594149.8

申请日：2022-12-13

Applicant: 东北林业大学

Inventor： 邱兆文 ,  李寒 ,  高欣 ,  周隆熙 ,  褚玥潭

IPC: G06T7/11 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种基于平扫CT的肺栓塞识别方法，属于深度学习技术领域。为了解决现有技术中针对肺栓塞多依赖增强CT进行识别，无法针对平扫CT数据进行快速、精准识别肺栓塞的问题。本发明方法通过肺轮廓分割模型对平扫CT图像进行肺轮廓分割；通过血管分割模型对平扫CT的肺部血管进行分割；通过肺栓塞提取模型，以增强CT上的肺栓塞区域作为金标准对平扫CT肺栓塞区域进行标记，通过考虑肺栓塞与血管的CT值差异、肺栓塞引起的血管形态特征对平扫CT的肺栓塞进行分割确定栓塞可疑区域，通过最小化可疑区域与金标准之间的差异对模型进行优化，采用优化的模型对平扫CT进行肺栓塞分割。本发明可达到较高的基于平扫CT预测肺栓塞的敏感性和准确性。