公开(公告)号：CN112686912A

公开(公告)日：2021-04-20

申请号：CN202110006989.7

申请日：2021-01-05

Applicant: 南开大学

Inventor： 刘之洋 ,  赵彬 ,  吴虹 ,  刘国华 ,  丁数学

IPC: G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于逐步学习和混合样本的急性脑卒中病变分割方法。包括步骤：设计一个可以进行端到端训练的分割网络，在下采样部分的输出层后依次连接全局均值池化层和分类层；由有标记的数据样本初始化上述步骤的分割网络；使用完成初始化的分割网络进行逐步学习，利用有标记的数据样本为无标记的数据样本分配图像级的伪标记并在迭代过程中使用标记的数据样本进行语义约束；设计一个基于多特征图融合的解码网络，将上述步骤训练好的下采样部分与该解码网络连接；利用有标记的数据样本对新的网络进行端到端的训练；在测试数据集上对该网络进行评估，并输出对应的测试结果。本发明有效利用了无标记的数据样本，大大减少了获取数据样本的成本。

公开(公告)号：CN112686912B

公开(公告)日：2022-06-10

申请号：CN202110006989.7

申请日：2021-01-05

Applicant: 南开大学

Inventor： 刘之洋 ,  赵彬 ,  吴虹 ,  刘国华 ,  丁数学

IPC: G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于逐步学习和混合样本的急性脑卒中病变分割方法。包括步骤：设计一个可以进行端到端训练的分割网络，在下采样部分的输出层后依次连接全局均值池化层和分类层；由有标记的数据样本初始化上述步骤的分割网络；使用完成初始化的分割网络进行逐步学习，利用有标记的数据样本为无标记的数据样本分配图像级的伪标记并在迭代过程中使用标记的数据样本进行语义约束；设计一个基于多特征图融合的解码网络，将上述步骤训练好的下采样部分与该解码网络连接；利用有标记的数据样本对新的网络进行端到端的训练；在测试数据集上对该网络进行评估，并输出对应的测试结果。本发明有效利用了无标记的数据样本，大大减少了获取数据样本的成本。

公开(公告)号：CN113052934A

公开(公告)日：2021-06-29

申请号：CN202110280924.1

申请日：2021-03-16

Applicant: 南开大学

Inventor： 刘之洋 ,  赵彬 ,  吴虹 ,  刘国华 ,  丁数学

IPC: G06T11/00 ,  G06K9/62 ,  G06N3/04 ,  A61B5/00 ,  A61B5/055

Abstract: 本发明公开了一种基于卷积神经网络的运动伪影校正方法。包括步骤：将数据集按一定比例随机分为训练集、验证集和测试集；设计一个可以进行端到端训练的卷积神经网络；由Kaiming网络参数初始化方法初始化卷积神经网络；向初始化后的卷积神经网络中输入带运动伪影的核磁共振图像，在输出端与不带运动伪影的核磁共振图像计算损失并反向更新网络梯度；在测试集上对训练好的网络进行评估，并输出对应的测试结果。本发明将减少核磁共振图像在拍摄过程中对于传统辅助手段的依赖，同时提高被拍摄者的舒适度。此外，在训练数据集丰富的情况下，本发明可以适用于不同型号的核磁共振图像设备，相较于传统的运动伪影校正方法具有更高的通用性。

公开(公告)号：CN111079901A

公开(公告)日：2020-04-28

申请号：CN201911315831.7

申请日：2019-12-19

Applicant: 南开大学 ,  天津市环湖医院(天津市神经外科研究所、天津市脑系科中心医院)

Inventor： 刘之洋 ,  赵彬 ,  曹宸 ,  吴虹 ,  刘国华 ,  丁数学

IPC: G06N3/04 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明公开了一种基于小样本学习的急性脑卒中病变分割方法。包括步骤：由带有图像级标签的数据样本训练一个卷积神经网络，图像的分类准确率作为衡量指标；使用训练好的卷积神经网络构建新的卷积神经网络，利用训练好的网络从输入图像得到的特征图，构成端到端的卷积神经网络；固定训练好的卷积层参数，使用少量像素级标签的数据样本训练新构建的卷积神经网络，图像的分割精度作为衡量指标；训练结束后，在像素级标签的测试集上验证网络的分割效果。本发明只使用少量的像素级标签的数据样本和一些图像级标签的数据样本，这将大大减小标注数据的成本，在一定程度上增强工程可操作性，辅助医生对急性脑卒中患者的临床诊断。