-
公开(公告)号：CN106204532A
公开(公告)日：2016-12-07
申请号：CN201610488243.3
申请日：2016-06-24
Applicant: 华南理工大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/10132 , G06T2207/20081 , G06T2207/20084 , G06T2207/30096
Abstract: 本发明公开了一种基于特征数据挖掘及神经网络的肿瘤分类方法，该方法首先选取肿瘤超声图片的有效病变特征的人工评分数据作为原始特征数据集；之后采用双聚类算法从原始训练数据集中挖掘出有效的局部诊断模式；其次根据这些诊断模式提取出更高层的特征，形成新的特征向量；接着，新的特征向量作为神经网络的输入进行训练得到有效的多类别分类器；最后，采用同样的方式为测试样本提取特征向量，利用训练得到的多类别分类器对其进行分类，得到肿瘤的具体分类结果。本方法克服传统计算机辅助方法局限于低级图像特征的不足，通过从大量人工评分特征数据集中挖掘出更高层的有效特征，并利用流行的神经网络分类方法训练出最终识别多类别肿瘤的分类器。
-
Patent Agency Ranking
公开(公告)号：CN104706385A
公开(公告)日：2015-06-17
申请号：CN201510009273.7
申请日：2015-01-06
Applicant: 华南理工大学
IPC: A61B8/08
CPC classification number: A61B8/485 , A61B8/4209 , A61B8/5246
Abstract: 本发明公开了一种超声弹性宽景成像方法，超声探头可在人体组织上沿任意轨迹侧向运动，分别获取扫描轨迹上压缩前与压缩后的RF信号，通过对全部位置的RF信号进行计算得出每个位置的超声弹性信息和图像，并拼接成扩展的宽景图像；为获取每一帧超声弹性图像的位置信息，超声探头上需要绑定一个位置传感器；沿扫描轨迹，采用2种方式获取超声弹性图，可获得一系列超声弹性图像及其位置坐标信息；根据所得坐标建立一个平面或曲面，将对应坐标上的图像映射到所得平面或曲面中，利用3种图像拼接方法完成宽景弹性成像。本发明的成像方法及装置，操作简便，提高了宽景成像的实时性，同时提供的传统B超缺少的组织弹性信息，为临床诊断提供了便利。
-
公开(公告)号：CN106204532B
公开(公告)日：2019-01-18
申请号：CN201610488243.3
申请日：2016-06-24
Applicant: 华南理工大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于特征数据挖掘及神经网络的肿瘤分类方法，该方法首先选取肿瘤超声图片的有效病变特征的人工评分数据作为原始特征数据集；之后采用双聚类算法从原始训练数据集中挖掘出有效的局部诊断模式；其次根据这些诊断模式提取出更高层的特征，形成新的特征向量；接着，新的特征向量作为神经网络的输入进行训练得到有效的多类别分类器；最后，采用同样的方式为测试样本提取特征向量，利用训练得到的多类别分类器对其进行分类，得到肿瘤的具体分类结果。本方法克服传统计算机辅助方法局限于低级图像特征的不足，通过从大量人工评分特征数据集中挖掘出更高层的有效特征，并利用流行的神经网络分类方法训练出最终识别多类别肿瘤的分类器。
-
公开(公告)号：CN106778830A
公开(公告)日：2017-05-31
申请号：CN201611062794.X
申请日：2016-11-28
Applicant: 华南理工大学
IPC: G06K9/62
CPC classification number: G06K9/6218 , G06K9/6227 , G06K9/6256 , G06K9/6267 , G06K2209/053
Abstract: 本发明公开了一种基于双聚类及AdaBoost的肿瘤分类方法，该方法首先选取肿瘤病变特征的数字化打分数据构建原始数据集，根据特征统计信息从原始特征中筛选出对区分良恶性肿瘤有效的特征，接着利用双聚类算法从特征打分数据中挖掘出数据背后隐藏的重要肿瘤诊断模式，根据病例良恶性属性先验知识采用支持率指标确定诊断模式的良恶性属性，进而将局部一致模式转化为有效的诊断规则；之后采用良恶性规则两两配对的方法构造能够在不同特征空间下分类的简单弱分类器，弱分类器依据测试样本跟良恶性规则匹配的相似度为分类原则；最后采用AdaBoost集成算法从弱分类器中训练出高准确率的强分类器，对提高肿瘤临床诊断的准确率有重要作用。
-
公开(公告)号：CN106137259A
公开(公告)日：2016-11-23
申请号：CN201610486762.6
申请日：2016-06-24
Applicant: 华南理工大学
IPC: A61B8/08
CPC classification number: A61B8/085 , A61B8/5223
Abstract: 本发明公开了一种基于人工打分的超声肿瘤特征获取方法。该方法首先针对超声影像结合医生经验选出对临床诊断有效的图像特征，每个特征具有不同临床表现描述术语，分别对应不同的分数，医生根据超声影像所见及诊断经验直接对每个特征进行量化打分，从而对肿瘤超声图片获得数字化的特征值。通过采集大量的肿瘤超声图片特征，形成肿瘤超声图片特征量化打分数据库。利用特征打分数据库，不仅可建立医师培训系统，还可采用各种分类技术训练出有价值的分类器。该肿瘤超声成像特征获取方案引入医生经验参与，不仅对肿瘤良恶性判断具有更好的分类效果，而且以一种医生易于接受认可的方式很好地解决传统计算机辅助诊断方法特征获取困难及不准确问题。
-
公开(公告)号：CN104706385B
公开(公告)日：2017-06-20
申请号：CN201510009273.7
申请日：2015-01-06
Applicant: 华南理工大学
IPC: A61B8/08
Abstract: 本发明公开了一种超声弹性宽景成像方法，超声探头可在人体组织上沿任意轨迹侧向运动，分别获取扫描轨迹上压缩前与压缩后的RF信号，通过对全部位置的RF信号进行计算得出每个位置的超声弹性信息和图像，并拼接成扩展的宽景图像；为获取每一帧超声弹性图像的位置信息，超声探头上需要绑定一个位置传感器；沿扫描轨迹，采用2种方式获取超声弹性图，可获得一系列超声弹性图像及其位置坐标信息；根据所得坐标建立一个平面或曲面，将对应坐标上的图像映射到所得平面或曲面中，利用3种图像拼接方法完成宽景弹性成像。本发明的成像方法及装置，操作简便，提高了宽景成像的实时性，同时提供的传统B超缺少的组织弹性信息，为临床诊断提供了便利。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
