公开(公告)号：CN114972853A

公开(公告)日：2022-08-30

申请号：CN202210516858.8

申请日：2022-05-16

Applicant: 中南大学湘雅医院

Inventor： 宋剑 ,  吴学文 ,  粟日 ,  侯木舟 ,  卯爽

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00 ,  G16H50/20 ,  A61B6/00

Abstract: 本发明公开了一种针对中耳疾病的智能分类处理方法，包括以下步骤：S1、通过算法自动提取中耳特征图像集；S2、通过对比网络得到最终特征3D数据块：对比网络基于孪生网络构建由两个共享参数和权重的卷积神经网络，比较输入图像和标准图像之间的相似性，得到最终特征3D数据块；S3、基于3D卷积神经网络构建由3D卷积操作和Leakyrelu交替进行下采样的网络，并在网络后续连接一个自构建的全连接分析来给出最后的预测结果。本发明能适应高分辨率CT图像的连续数据模式，能更好地反应疾病的情况，在分析过程中减弱数据特征并控制数据规模，最后实现辅助高精度自动诊断中耳疾病的效果，整个诊断过程不需要依靠人工干预。

公开(公告)号：CN114972853B

公开(公告)日：2024-09-06

申请号：CN202210516858.8

申请日：2022-05-16

Applicant: 中南大学湘雅医院

Inventor： 宋剑 ,  吴学文 ,  粟日 ,  侯木舟 ,  卯爽

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06T7/00 ,  G16H50/20 ,  A61B6/00 ,  A61B6/50

Abstract: 本发明公开了一种针对中耳疾病的智能分类处理方法，包括以下步骤：S1、通过算法自动提取中耳特征图像集；S2、通过对比网络得到最终特征3D数据块：对比网络基于孪生网络构建由两个共享参数和权重的卷积神经网络，比较输入图像和标准图像之间的相似性，得到最终特征3D数据块；S3、基于3D卷积神经网络构建由3D卷积操作和Leakyrelu交替进行下采样的网络，并在网络后续连接一个自构建的全连接分析来给出最后的预测结果。本发明能适应高分辨率CT图像的连续数据模式，能更好地反应疾病的情况，在分析过程中减弱数据特征并控制数据规模，最后实现辅助高精度自动诊断中耳疾病的效果，整个诊断过程不需要依靠人工干预。