公开(公告)号：CN111275691A

公开(公告)日：2020-06-12

申请号：CN202010074621.X

申请日：2020-01-22

Applicant: 北京邮电大学

Inventor： 牛凯 ,  贺志强 ,  宋天琪 ,  卢阳

IPC: G06T7/00 ,  G06T7/13 ,  G16H50/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习的小样本肿瘤坏死率分类预测装置，包括：单张图像生成模块，被配置为将正常骨轮廓图像以及带有肿瘤坏死率类别标签的真实化疗前肿瘤图像输入训练后的第一生成对抗网络模型中，获得带有肿瘤坏死率类别标签的生成化疗前肿瘤图像；时间序列图像生成模块，被配置为将所述生成化疗前肿瘤图像输入训练后的第二生成对抗网络模型中，获得生成肿瘤时间序列图像；坏死率分类模块，被配置为采用所述生成肿瘤时间序列图像训练深度卷积神经网络模型以获得待检测肿瘤时间序列图像的肿瘤坏死率分类结果。该装置能够解决肿瘤样本数量稀少、漏诊误诊率较高的问题。

公开(公告)号：CN111275691B

公开(公告)日：2023-08-18

申请号：CN202010074621.X

申请日：2020-01-22

Applicant: 北京邮电大学 ,  北京大学人民医院

Inventor： 牛凯 ,  贺志强 ,  宋天琪 ,  卢阳

IPC: G06V10/764 ,  G06T7/00 ,  G06T7/13 ,  G16H50/20 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提供一种基于深度学习的小样本肿瘤坏死率分类预测装置，包括：单张图像生成模块，被配置为将正常骨轮廓图像以及带有肿瘤坏死率类别标签的真实化疗前肿瘤图像输入训练后的第一生成对抗网络模型中，获得带有肿瘤坏死率类别标签的生成化疗前肿瘤图像；时间序列图像生成模块，被配置为将所述生成化疗前肿瘤图像输入训练后的第二生成对抗网络模型中，获得生成肿瘤时间序列图像；坏死率分类模块，被配置为采用所述生成肿瘤时间序列图像训练深度卷积神经网络模型以获得待检测肿瘤时间序列图像的肿瘤坏死率分类结果。该装置能够解决肿瘤样本数量稀少、漏诊误诊率较高的问题。