公开(公告)号：CN116012477A

公开(公告)日：2023-04-25

申请号：CN202211700958.2

申请日：2022-12-28

Applicant: 大连理工大学

Inventor： 刘惠 ,  付雅晴 ,  金艺林 ,  张傲然 ,  魏凡 ,  李小兵 ,  方玲玲 ,  邱天爽

IPC: G06T11/00 ,  G06T7/00 ,  G06T7/10 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明公开了一种基于对称引导的乳腺癌患者正常乳腺组织影像重建方法，包括，获取乳腺的DCE‑MRI图像，将图像分割为患侧图像和健侧图像，构建基于对称引导的乳腺癌正常影像重建和异常组织提取模型，将患侧图像和健侧图像输入至模型中，获取患侧图像的正常组织图像和异常组织图像，设置模型的参数并进行训练，获取训练模型，获取需要进行正常影像重建的乳腺图像，将乳腺图像输入至训练后的基于对称引导的乳腺癌正常影像重建和异常组织提取模型，获取乳腺图像的正常组织图像和异常组织图像。能够有效的识别乳腺DCE‑MRI图像中的异常组织，并重建正常组织影像，基于对侧乳腺进行重建还可以有效避免乳腺个体差异带来的影响。

公开(公告)号：CN117789001A

公开(公告)日：2024-03-29

申请号：CN202311812113.7

申请日：2023-12-27

Applicant: 大连理工大学

Inventor： 刘惠 ,  张傲然 ,  王晓旭

IPC: G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/082 ,  G06N3/09 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明公开一种基于部分引导提高医学图像深度学习网络可解释性的方法。方法包括：医学图像数据预处理，对原始医学图像进行灰度归一化和尺寸归一化；深度分类网络模型结构搭建，首先搭建基于卷积结构的特征提取模块，接着在特征提取模块后搭建基于注意力机制的可训练的类激活图模块，最后在可训练的类激活图模块的注意力加权融合通路后连接一个分类层；在深度分类网络模型训练过程中，引入像素级强标注数据信息，使用混合监督方式训练分类网络模型；使用预训练和分步分层训练的方式，调整模型参数、优化模型性能并保存最优模型。本发明得到的深度分类网络模型不仅能提供强的符合医生认知的解释，而且具有更好的分类性能。