一种基于深度学习的儿童肠套叠自动检测系统

    公开(公告)号:CN114037686A

    公开(公告)日:2022-02-11

    申请号:CN202111323780.X

    申请日:2021-11-09

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于深度学习的儿童肠套叠自动检测系统,包括训练好的同心圆检测模型,利用同心圆检测模型检测儿童腹部超声影像中的同心圆;同心圆检测模型包括特征提取网络、区域生成网络RPN以及ROI Pooling层;其中特征提取网络采用VGG16卷积神经网络,且在卷积神经网络中增加了跳跃连接层,通过跳跃连接层将卷积神经网络的浅层特征和深层次特征联合。本发明构建的模型实现了对儿童腹部肠套叠超声影像“同心圆”征象自动检测,辅助医生做识别,减少了人为评估的阅片时间的同时,提高了儿童肠套叠患者的诊断速度。

    一种基于改进性3D U-Net模型的学前儿童肺部影像感兴趣区域分割方法

    公开(公告)号:CN114581459A

    公开(公告)日:2022-06-03

    申请号:CN202210117033.9

    申请日:2022-02-08

    Applicant: 浙江大学

    Abstract: 本发明提供了一种基于改进性3D U‑Net模型的学前儿童肺部影像感兴趣区域分割方法,包括:(1)收集学前儿童患者的CT影像数据进行预处理;(2)将预处理后的影像划分为训练集、验证集和测试集;(3)构建分割模型,所述分割模型采用改进的3D U‑Net网络模型,在3D U‑Net网络模型的编码器和解码器之间设计一个通道化的Transformer模块,构建UCTransNet框架,来替代U‑Net中的跳跃连接,以更好地融合编码器特性;(4)将预处理后的训练集送入到构建的分割模型中进行训练;(5)将待分割的学前儿童肺部影像输入训练好的分割模型中,得到肺部影像的感兴趣区域。本发明可以缓解学前儿童拍CT时多动导致图像质量不如成人的问题,从而从CT影像中自动并准确地分割肺部感兴趣区域。

    一种基于深度学习的儿童肠套叠自动检测系统

    公开(公告)号:CN114037686B

    公开(公告)日:2022-05-17

    申请号:CN202111323780.X

    申请日:2021-11-09

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于深度学习的儿童肠套叠自动检测系统,包括训练好的同心圆检测模型,利用同心圆检测模型检测儿童腹部超声影像中的同心圆;同心圆检测模型包括特征提取网络、区域生成网络RPN以及ROI Pooling层;其中特征提取网络采用VGG16卷积神经网络,且在卷积神经网络中增加了跳跃连接层,通过跳跃连接层将卷积神经网络的浅层特征和深层次特征联合。本发明构建的模型实现了对儿童腹部肠套叠超声影像“同心圆”征象自动检测,辅助医生做识别,减少了人为评估的阅片时间的同时,提高了儿童肠套叠患者的诊断速度。

Patent Agency Ranking