公开(公告)号：CN118918374A

公开(公告)日：2024-11-08

申请号：CN202410976605.8

申请日：2024-07-20

Applicant: 哈尔滨理工大学

Inventor： 高明 ,  管志琦

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/77 ,  G06T7/00 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于CNN和RNN的颅内出血CT图像分类方法，属于智能医学影像处理领域。为了解决颅内出血亚型准确率低和耗时长的问题，该方法包括获取RSNAIntracranial Hemorrhage Detection数据集；进行多项预处理操作，包括：调整窗位和窗宽、通道数叠加、分离元数据信息、图像标准化和去除边缘冗余信息等；在CNN部分使用ConvNext模型从细粒度角度解决亚型分类问题，同时结合元数据信息和双向GRU模型充分利用切片间信息提高准确率，并引入主成分分析方法降低数据维度和计算复杂度；最终在测试集上的评估指标显示，相较于Densenet169提升了0.2％的准确率，浮点运算量小了13.09G。这表明该方法解决了现有模型无法充分利用上下文信息的问题，并且在降低计算复杂性的同时，提高了颅内出血亚型分类的准确率。

公开(公告)号：CN119579616A

公开(公告)日：2025-03-07

申请号：CN202411481435.2

申请日：2024-10-23

Applicant: 哈尔滨理工大学

Inventor： 高明 ,  管志琦

IPC: G06T7/11 ,  G06N3/0464 ,  G06N3/048 ,  G06T7/00 ,  G06T3/4038 ,  G06V10/764 ,  G06V10/74

Abstract: 本发明提供了一种基于IHLS‑Net的颅内出血CT平扫影像病灶分割方法。用于解决颅内出血分割精度差和出血量计算不精确的问题，该方法包括收集数据集；对数据进行预处理，包括调整窗宽窗位和矩阵方向、改变图像像素间距等；使用参数化线性整流残差模块替换编码器和解码器中的卷积操作，以加速网络收敛速度和避免梯度消失问题，将膨胀空间注意力金字塔池化模块作为底部瓶颈，更好地捕捉图像中不同尺度的信息，在解码器中加入动态通道注意力模块，提升网络在还原细节和恢复结构时的能力；最终输出分割体积，并计算出血量。