公开(公告)号：CN116630679B

公开(公告)日：2024-06-04

申请号：CN202310321204.4

申请日：2023-03-29

Applicant: 南通大学

Inventor： 张堃 ,  林鹏程 ,  邵瑞 ,  王林 ,  潘晶 ,  曹蕊 ,  徐沛霞

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/10 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/094 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明涉及医学图像分类技术领域，尤其涉及一种基于CT图像和域不变特征的骨质疏松识别方法，包括：S1、建立生成对抗网络的MACE‑CycleGAN模型对正常剂量图像和低剂量图像进行领域迁移，生成一些伪图像数据；S2、建立三个任务模块之间的相关性和强调椎骨之间的关系的多任务关系学习模型；S3、建立基于域对抗迁移学习的模块，将域适应嵌入到学习表示过程中，以便最终的分类决策基于对域的变化具有区分性和不变性的特征；S4、基于定位模块、分割模块、分类模型和域对抗迁移学习模块建立正常剂量和低剂量图像的深度学习模型，构建分步训练损失函数来防止模型过拟合。本发明既能对正常剂量CT图像的骨质疏松进行识别，也能对低剂量CT图像骨质疏松进行识别。

公开(公告)号：CN116630679A

公开(公告)日：2023-08-22

申请号：CN202310321204.4

申请日：2023-03-29

Applicant: 南通大学

Inventor： 张堃 ,  林鹏程 ,  邵瑞 ,  王林 ,  潘晶 ,  曹蕊 ,  徐沛霞

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/10 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/094 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明涉及医学图像分类技术领域，尤其涉及一种基于CT图像和域不变特征的骨质疏松识别方法，包括：S1、建立生成对抗网络的MACE‑CycleGAN模型对正常剂量图像和低剂量图像进行领域迁移，生成一些伪图像数据；S2、建立三个任务模块之间的相关性和强调椎骨之间的关系的多任务关系学习模型；S3、建立基于域对抗迁移学习的模块，将域适应嵌入到学习表示过程中，以便最终的分类决策基于对域的变化具有区分性和不变性的特征；S4、基于定位模块、分割模块、分类模型和域对抗迁移学习模块建立正常剂量和低剂量图像的深度学习模型，构建分步训练损失函数来防止模型过拟合。本发明既能对正常剂量CT图像的骨质疏松进行识别，也能对低剂量CT图像骨质疏松进行识别。