-
公开(公告)号:CN116342922A
公开(公告)日:2023-06-27
申请号:CN202211604295.4
申请日:2022-12-13
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于多任务模型的智能肝脏影像征象分析及LI‑RADS分类系统,该系统将多期像二维肝脏肿瘤影像输入到多任务卷积神经网络模型中,在主任务中利用该模型自动提取基于LI‑RADS标准的分类任务时所需潜在特征,同时在子任务中提取LI‑RADS标准定义的主要征象分类所需潜在特征,不仅能够实现更高的LI‑RADS分级精度,而且可为医生在临床诊断等实际应用中提供分类依据参考。本发明使用多任务卷积神经网络、基于图像的肿瘤大小自动分析方法,依靠端到端与监督对比学习相结合的方式训练模型,实现可为医生提供判断依据的肝脏肿瘤LI‑RADS分类系统。
-
公开(公告)号:CN116580067A
公开(公告)日:2023-08-11
申请号:CN202211600322.0
申请日:2022-12-13
Applicant: 之江实验室
IPC: G06T7/30 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种基于三维轻量化卷积神经网络的医学图像配准方法及装置,该方法将待配准的三维医学图像与目标三维医学图像输入到三维轻量化卷积神经网络中,将原图像拆分成尺寸较小的三维图像后,构建基于跨通道低维卷积核的轻量化特征融合模块并将其作为基本处理单元嵌入到基于三维残差密集连接结构的骨干网络中,让该网络学习输入图像之间的变形场实现三维图像配准。本发明使用高精度的三维残差密集网络与高效率的轻量化特征融合模块,依靠少量参数实现快速准确的三维医学图像配准,可有效降低对于医学图像的数据量的需求和实际测试时所需时间成本。
-