公开(公告)号：CN115222749A

公开(公告)日：2022-10-21

申请号：CN202210852414.1

申请日：2022-07-19

Applicant: 吉林大学

Inventor： 张小利 ,  郝一泽 ,  李雄飞 ,  杨飞扬 ,  黄萨 ,  朱芮 ,  于爽 ,  宋涵 ,  矫鑫瑶

IPC: G06T7/11 ,  G06T7/13 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06V10/84 ,  G06N3/04

Abstract: 本发明公开了一种基于表示学习的医学图像分割方法,包括以下步骤：根据若干医学初始图像进行预处理获取若干组医学图像；基于马尔可夫决策过程为医学图像的像素表示学习过程建模；每个像素为一个智能体，将智能体基于全卷积神经网络构建全卷积A3C神经网络；根据全卷积A3C神经网络学习最优策略，获取最大化所有像素总预期奖励的平均值；训练全卷积A3C神经网络，通过多步解码获得最终的分割图像。本发明采用多步强化学习的方法来执行医学图像块的表示学习，既保证了网络分割模型更加关注感兴趣的区域，并且有效地减少了噪声所带来的干扰，使复杂的医学图像更易于分割与解读。

公开(公告)号：CN112735593A

公开(公告)日：2021-04-30

申请号：CN202110087250.3

申请日：2021-01-22

Applicant: 吉林大学

Inventor： 王世刚 ,  魏毓辰 ,  陈玫玫 ,  黄萨 ,  宋涵

IPC: G16H50/50

Abstract: 本发明涉及一种关联免疫组化指标Ki67的肾癌风险等级预测方法，属于放射组学与机器学习领域。本发明使用的技术方案是，基于肾脏肿瘤纹理特征提取与支撑向量机(Support Vector Machine,SVM)分类的肾癌风险等级分类方法。步骤如下：1)获取肾脏肿瘤的核磁共振的T1加权图像；2)勾画肾脏肿瘤区域，即感兴趣区域(Region of Interest,RoI)；3)对RoI进行像素灰度值归一化处理；4)提取RoI的二阶纹理特性；5)将已有Ki67指标分级结果与病灶区域的二阶纹理特征相关联，用SVM分类器对RoI图像进行训练，得到关联Ki67的肾癌风险等级智能预测分类模型。本发明方法训练时间短，结果准确率高，通过Ki67等级和肾癌细胞纹理特征的相关性，实现肾癌风险等级预测，可以在放射学层面为医生提供可靠的肾癌等级辅助诊断结果。

公开(公告)号：CN115187571A

公开(公告)日：2022-10-14

申请号：CN202210893407.6

申请日：2022-07-27

Applicant: 吉林大学

Inventor： 李雄飞 ,  杨飞扬 ,  张小利 ,  黄萨 ,  朱芮 ,  于爽 ,  宋涵 ,  矫鑫瑶

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/194 ,  G06V10/26 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于奖励函数引入先验知识的医学图像分割方法，包括如下步骤：获取公开的医学CT图像数据集；基于图像数据集，设计并得到奖励函数；在奖励函数中引入图像数据集中的CT图像的前景‑背景比引入，得到改进的奖励函数；在改进的奖励函数中引入先验知识实例的近似难度，得到最终的奖励函数；使用最终的奖励函数替换强化学习网络中的奖励函数，并进行强化网络训练，最后通过分割网络输出最终的分割结果图。本发明采用将外部先验知识引入到奖励函数的设计，使其朝着有益的方向极大地影响了模型学习的过程，图像中每个像素不仅考虑自身的状态，同时会考虑其它相邻像素的状态，并在约束方向上更新策略，分割结果与真实病变相似。