公开(公告)号：CN111563906A

公开(公告)日：2020-08-21

申请号：CN202010379183.8

申请日：2020-05-07

Applicant: 南开大学

Inventor： 韩建达 ,  于宁波 ,  刘嘉男

IPC: G06T7/11 ,  G06N3/08 ,  G06N3/04

Abstract: 一种基于深度卷积神经网络的膝关节磁共振图像自动分割方法，它包括：步骤一、膝关节磁共振图像预处理，将医学磁共振图像dicom数据转化为mhd数据，统一分辨率，偏差场校正，校正后调整图像灰度值并进行滤波处理；步骤二、判断是否训练；步骤三、模型搭建，搭建基于编解码模型的膝关节图像分割网络，该模型以残差模块作为基本模块，同时采用并行的扩张卷积模块连接编码阶段和解码阶段，提取不同尺度的特征，然后进行特征拼接，解码后的不同特征再输入多输出融合模块内，经多输出融合模块计算输出，并保存模型；步骤四、模型训练；步骤五、预测输出。本发明能较很好地分割膝关节磁共振图像，分割效果好，提高了分割的准确度。

公开(公告)号：CN113317780A

公开(公告)日：2021-08-31

申请号：CN202110630916.5

申请日：2021-06-07

Applicant: 南开大学

Inventor： 孙玉波 ,  刘嘉男 ,  于宁波 ,  韩建达

IPC: A61B5/11 ,  A61B5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G16H50/20

Abstract: 一种基于长短时记忆神经网络的异常步态检测方法，包含以下步骤：数据预处理；数据预处理包含基于数据库进行试验对象类别划分，采集受试者步态过程中的足底压力数据，按实验对象划分数据集，保证同一病人的数据只出现在训练集或者测试集；基于长短时记忆神经网络的模型搭建，将每个LSTM单元的输出进行均值池化，每个LSTM单元的输出代表了对当前时刻之前的所有输入数据学习到的抽象特征，将这些抽象特征与最后时刻的特征拼接，送人全连接层中，最后使用激活函数输出概率值，二分类时使用Sigmoid函数，多分类使用Softmax函数；模型训练与结果评估。本发明有助于定量评估步态障碍，为医生提供诊断辅助。