-
公开(公告)号：CN118319327A
公开(公告)日：2024-07-12
申请号：CN202410595125.7
申请日：2024-05-14
Applicant: 浙江中医药大学
IPC: A61B5/369 , G06F18/213 , G06F18/214 , G06F18/241 , G06F18/23213 , G06F21/62 , G16H10/60 , G06N3/0442 , G06N3/084 , G06N3/126 , A61B5/374 , A61B5/00 , A61B34/10
Abstract: 本发明属于生物医学工程和机器学习领域，公开了基于融合脑电标记与混合模型的癫痫手术结果预测方法，包括：获取外科手术治疗的癫痫患者的电子病历作为初始样本集；对初始样本集筛选处理，获取训练用样本集；对训练用样本集中的样本脑电数据预处理；计算标记物；对标记物进行特征提取；采用多种机器学习模型，分别结合标记物的特征，对样本的手术结果进行初步预测训练；根据初步预测训练结果筛选较优标记物，将较优标记物混合、构造为融合标记物，将融合标记物与多种机器学习模型结合，进一步预测样本手术结果，最后对预测结果集成。本发明能准确预测患者的外科手术治疗结果，为外科手术提供科学指导，量化手术结果，准确率达94.30％。
-
公开(公告)号：CN115809998A
公开(公告)日：2023-03-17
申请号：CN202211561648.7
申请日：2022-12-07
Applicant: 浙江中医药大学
Abstract: 本发明公开了基于E2C‑Transformer网络的胶质瘤MRI数据分割方法，包括采集脑部的四种模态MRI图像，然后进行标准化处理并按四种模态合并为四通道3D图像数据再进行裁剪，然后输入到E2C‑Transformer网络中进行预测，得到肿瘤分割结果；E2C‑Transformer网络包括具有跳跃连接的对称U形编码器‑解码器结构，编码器包括4组交替叠加Conformer和下采样模块，底部为8个连续卷积层，解码器包括3组交替叠加上采样层和Conformer，最后经过一个卷积和softmax函数。本发明实现了多模态MR图像中胶质瘤区域的自动分割，增强了捕获胶质瘤局部特征和全局表示的能力。
-
公开(公告)号：CN115147603A
公开(公告)日：2022-10-04
申请号：CN202210800819.0
申请日：2022-07-06
Applicant: 浙江中医药大学
Abstract: 本发明提供了一种基于多尺度蒸馏的脑肿瘤MRI图像分割方法包括采集多模态核磁共振图像，在上位机中对多模态核磁共振图像进行预处理，然后输入到多尺度蒸馏训练操作后的DeepLabv3+网络，输出多模态MRI图像的分割结果图，分割结果图包括背景区域、坏疽区域、浮肿区域和增强肿瘤区域。本发明采用了脑胶质母细胞瘤患者的T1、T1c、T2和FLAIR四种模态的核磁共振图像进行肿瘤分割，增加了样本的多样性，采用了改进的蒸馏损失方法，通过保持长程和短程空间关系，能够更好的保留学习的知识，提高模型精度。
-
公开(公告)号：CN115147600A
公开(公告)日：2022-10-04
申请号：CN202210689666.7
申请日：2022-06-17
Applicant: 浙江中医药大学
IPC: G06V10/26 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于分类器权重转换器的GBM多模态MR图像分割方法，采集多模态核磁共振图像，然后在上位机中对多模态核磁共振图像经过切片处理与标准化处理获得图像矩阵，将图像矩阵中四个模态的图像融合成一个张量输入脑肿瘤多模态MR图像分割模型后获得预测概率分布图；本发明使用了少镜头语义分割的方法，可以有效解决高质量医学图像数据集难以获取、数据量少的问题，进而一定程度上降低了数据采集和存储的成本，从而对GBM多模态MR图像进行高效地分割。
-
-
-
Search Results
4
records
(took 0.021 seconds)
