公开(公告)号：CN117831757A

公开(公告)日：2024-04-05

申请号：CN202410245727.X

申请日：2024-03-05

Applicant: 之江实验室

Inventor： 金源 ,  朱闻韬 ,  陈宇璇 ,  马格格

IPC: G16H50/20 ,  G06V10/82 ,  G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于病理CT多模态先验知识引导的肺癌诊断方法及系统，该方法通过获取患者的肺部CT图像并输入至训练好的基于CT的肺癌诊断分类深度神经网络C，获得预测的诊断结果；其中基于CT的肺癌诊断分类深度神经网络C是基于对比学习理论，通过病理特征来进行优化训练获得的，可以有效提高网络的训练效率以及精度上限。得益于病理图像带来的先验知识，基于CT的肺癌诊断分类深度神经网络C对于肺部CT图像的肺癌诊断分类具有更高的准确性，而病理图像仅仅作用于网络的训练过程中，在临床应用中并不需要提供。由此，训练得到的CT肺癌诊断分类网络比单纯由肺部CT图像训练得到的网络精度更高，稳定性更好，对于肺癌的早期诊断具有临床实际意义。

公开(公告)号：CN117831757B

公开(公告)日：2024-05-28

申请号：CN202410245727.X

申请日：2024-03-05

Applicant: 之江实验室

Inventor： 金源 ,  朱闻韬 ,  陈宇璇 ,  马格格

IPC: G16H50/20 ,  G06V10/82 ,  G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于病理CT多模态先验知识引导的肺癌诊断方法及系统，该方法通过获取患者的肺部CT图像并输入至训练好的基于CT的肺癌诊断分类深度神经网络C，获得预测的诊断结果；其中基于CT的肺癌诊断分类深度神经网络C是基于对比学习理论，通过病理特征来进行优化训练获得的，可以有效提高网络的训练效率以及精度上限。得益于病理图像带来的先验知识，基于CT的肺癌诊断分类深度神经网络C对于肺部CT图像的肺癌诊断分类具有更高的准确性，而病理图像仅仅作用于网络的训练过程中，在临床应用中并不需要提供。由此，训练得到的CT肺癌诊断分类网络比单纯由肺部CT图像训练得到的网络精度更高，稳定性更好，对于肺癌的早期诊断具有临床实际意义。