-
公开(公告)号：CN111415361B
公开(公告)日：2021-01-19
申请号：CN202010244415.9
申请日：2020-03-31
Applicant: 浙江大学
Abstract: 本发明公开一种基于深度学习的胎儿大脑脑龄估计和异常检测方法及装置。脑龄估计和和异常检测方法中，首先，利用临床常规采集的孕妇子宫内T2加权像建立正常胎儿大脑T2加权磁共振图像的数据集。其次，利用U型网络将胎儿大脑从子宫中分割出，再利用基于注意力机制的深度残差网络预测胎儿脑龄，并生成脑龄的不确定度和胎儿脑龄估计的可信度。最后，根据实际胎龄和预测脑龄的差异、不确定度、可信度等指标构建分类器，判断胎儿大脑发育是否异常。本发明可以同时对胎儿大脑年龄进行估计，并生成不确定性、估计可信度等指标用于检测大脑发育异常的胎儿，具有较高的准确度和精确性以及较高的临床应用前景和价值。
-
公开(公告)号：CN115115803A
公开(公告)日：2022-09-27
申请号：CN202210449508.4
申请日：2022-04-26
Applicant: 浙江大学
Abstract: 本发明公开了一种基于特征关联融合的胎儿大脑磁共振运动校正方法及装置。该方法首先采集胎儿大脑的磁共振结构像数据，并进行预处理和感兴趣区提取；然后通过二维卷积神经网络、双向循环神经网络提取各层面间的时空运动特征；再通过三维卷积神经网络和亲和融合模块提取各层面与参考体积在结构上的相似信息，并由全连接层根据运动特征与相似信息得到各层面的运动参数；最后根据预测的运动参数进行校正，并使用超分辨率重建得到胎儿大脑高分辨率的体积。在网络训练方面，首先利用传统的运动校正和超分辨率重建得到高分辨率的体积，然后仿真添加随机的运动。本方法有提升了运动轨迹估计的鲁棒性和准确性，能校正更大幅度的胎儿大脑运动，进而提高体积重建的成功率。
-
公开(公告)号：CN115115803B
公开(公告)日：2024-08-23
申请号：CN202210449508.4
申请日：2022-04-26
Applicant: 浙江大学
IPC: G06T17/20 , G06T7/30 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/044 , G06V10/44
Abstract: 本发明公开了一种基于特征关联融合的胎儿大脑磁共振运动校正方法及装置。该方法首先采集胎儿大脑的磁共振结构像数据，并进行预处理和感兴趣区提取；然后通过二维卷积神经网络、双向循环神经网络提取各层面间的时空运动特征；再通过三维卷积神经网络和亲和融合模块提取各层面与参考体积在结构上的相似信息，并由全连接层根据运动特征与相似信息得到各层面的运动参数；最后根据预测的运动参数进行校正，并使用超分辨率重建得到胎儿大脑高分辨率的体积。在网络训练方面，首先利用传统的运动校正和超分辨率重建得到高分辨率的体积，然后仿真添加随机的运动。本方法有提升了运动轨迹估计的鲁棒性和准确性，能校正更大幅度的胎儿大脑运动，进而提高体积重建的成功率。
-
公开(公告)号：CN111415361A
公开(公告)日：2020-07-14
申请号：CN202010244415.9
申请日：2020-03-31
Applicant: 浙江大学
Abstract: 本发明公开一种基于深度学习的胎儿大脑脑龄估计和异常检测方法及装置。脑龄估计和和异常检测方法中，首先，利用临床常规采集的孕妇子宫内T2加权像建立正常胎儿大脑T2加权磁共振图像的数据集。其次，利用U型网络将胎儿大脑从子宫中分割出，再利用基于注意力机制的深度残差网络预测胎儿脑龄，并生成脑龄的不确定度和胎儿脑龄估计的可信度。最后，根据实际胎龄和预测脑龄的差异、不确定度、可信度等指标构建分类器，判断胎儿大脑发育是否异常。本发明可以同时对胎儿大脑年龄进行估计，并生成不确定性、估计可信度等指标用于检测大脑发育异常的胎儿，具有较高的准确度和精确性以及较高的临床应用前景和价值。
-
-
-
Search Results
4
records
(took 0.021 seconds)
