公开(公告)号：CN109191436A

公开(公告)日：2019-01-11

申请号：CN201810926369.3

申请日：2018-08-15

Applicant: 复旦大学

Inventor： 张文强 ,  盛嘉成 ,  丁志鹏 ,  管一晖 ,  谭海波 ,  李艺鸣 ,  王华滔 ,  徐建荣 ,  路红 ,  张睿 ,  周峰 ,  路建乡

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/187 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明属于医疗图像处理领域，具体为一种基于视觉显著性谱残差方法的低剂量CT肺结节检测算法。该算法的流程如下：(1)肺实质分割；(2)候选区提取：通过谱残差方法对肺实质部分进行显著性检测，提取具有视觉显著性的肺结节候选区；(3)特征计算；(4)候选区分类：使用C-SVM分类器对提取的肺结节候选区分类，去除假阳性样本。本发明采用谱残差方法提取候选结节可以有效地提取具有空洞，毛刺等复杂结构的结节区域，具有高检测敏感性和低假阳性，算法流程具有高可解释性，以满足实际医疗辅助系统的需要。

公开(公告)号：CN112991269A

公开(公告)日：2021-06-18

申请号：CN202110177221.6

申请日：2021-02-07

Applicant: 复旦大学

Inventor： 张文强 ,  吴优 ,  高述勇 ,  张睿 ,  张巍 ,  李艺鸣

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种肺部CT图像的识别分类方法，包括以下步骤：1)获取肺部CT图像数据集并进行预处理，得到训练样本；2)利用训练样本训练二维卷积神经网络，构建分割模型，用于识别肺部CT图像多类别的感兴趣区域；3)利用分割模型识别的多类别感兴趣区域，在原肺部CT图像中裁剪出多个不同大小的三维图像块并进行分类类别标注；4)利用三维图像块及其标注训练三维多尺度融合神经网络，构建假阳识别和分类模型，用于对肺部CT图像进行分类并筛除假阳感兴趣区域；5)利用训练完成的分割模型和假阳识别分类模型对待分类的肺部CT图像进行分类和假阳筛除，与现有技术相比，本发明具有速度快且准确率高等优点。