-
公开(公告)号：CN109065110A
公开(公告)日：2018-12-21
申请号：CN201810758999.4
申请日：2018-07-11
CPC classification number: G16H15/00 , G06F17/2715 , G06F17/2775 , G16H30/40
Abstract: 本发明公开了一种基于深度学习方法的自动生成医学影像诊断报告的方法，所述方法步骤如下：一、基于LDA算法对诊断报告进行主题聚类，将诊断报告按照主题分别进行保存；二、将主题向量作为每一个医学影像的标签；三、将大小不同的CT图和PET图缩放到相同大小作为训练数据，主题向量作为标签，以VGGNet‑19为网络模型进行训练，得到主题向量生成模型；四、构建文本生成模型；五、根据每一张图片的主题向量，匹配对应主题的文本，得到图像的诊断报告。该方法能够适用于图像有病灶标注的场景；不需要医生过多地人工总结训练数据标签，仅需要病灶的位置、大小标注即可，在提高正确率的同时有效减少了医生的工作。
-
公开(公告)号：CN109065110B
公开(公告)日：2021-10-19
申请号：CN201810758999.4
申请日：2018-07-11
IPC: G16H15/00 , G16H30/40 , G06F40/289 , G06F40/216
Abstract: 本发明公开了一种基于深度学习方法的自动生成医学影像诊断报告的方法，所述方法步骤如下：一、基于LDA算法对诊断报告进行主题聚类，将诊断报告按照主题分别进行保存；二、将主题向量作为每一个医学影像的标签；三、将大小不同的CT图和PET图缩放到相同大小作为训练数据，主题向量作为标签，以VGGNet‑19为网络模型进行训练，得到主题向量生成模型；四、构建文本生成模型；五、根据每一张图片的主题向量，匹配对应主题的文本，得到图像的诊断报告。该方法能够适用于图像有病灶标注的场景；不需要医生过多地人工总结训练数据标签，仅需要病灶的位置、大小标注即可，在提高正确率的同时有效减少了医生的工作。
-
公开(公告)号：CN109003269A
公开(公告)日：2018-12-14
申请号：CN201810799279.2
申请日：2018-07-19
Abstract: 本发明公开了一种能提高医生效率的医学影像病灶的标注提取方法，所述方法包括如下步骤：一、导入原始影像dicom图像与标注图像；二、特征点提取与匹配；三、对标注图像进行标准化变换；四、颜色变换与感兴趣颜色提取；五、标注形状检测。本发明允许放射科医生在自己熟悉的已有影像诊断系统上甄别和定位病灶，然后标出病灶的外围形状，后续的标注提取工作全部自动化进行，综合利用图像处理技术、特征提取技术以及匹配技术复原出病灶的标注信息。
-
公开(公告)号：CN109003269B
公开(公告)日：2021-10-08
申请号：CN201810799279.2
申请日：2018-07-19
Abstract: 本发明公开了一种能提高医生效率的医学影像病灶的标注提取方法，所述方法包括如下步骤：一、导入原始影像dicom图像与标注图像；二、特征点提取与匹配；三、对标注图像进行标准化变换；四、颜色变换与感兴趣颜色提取；五、标注形状检测。本发明允许放射科医生在自己熟悉的已有影像诊断系统上甄别和定位病灶，然后标出病灶的外围形状，后续的标注提取工作全部自动化进行，综合利用图像处理技术、特征提取技术以及匹配技术复原出病灶的标注信息。
-
-
-
Search Results
4
records
(took 0.028 seconds)
