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

Inventor： 俞刚 ,  李哲明 ,  黄坚 ,  沈忱 ,  李竞 ,  杨丽 ,  柴象飞 ,  左盼莉 ,  钱宝鑫 ,  余卓

IPC: G06T7/11 ,  G06T5/20 ,  G06N3/08 ,  G06N3/04

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。

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

Inventor： 李哲明 ,  黄坚 ,  沈忱 ,  俞刚 ,  李竞 ,  黄寿奖 ,  宋春泽 ,  柴象飞 ,  郭娜 ,  左盼莉 ,  钱宝鑫

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08

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。

公开(公告)号：CN114821176B

公开(公告)日：2022-11-01

申请号：CN202210463034.9

申请日：2022-04-28

Applicant: 浙江大学

Inventor： 俞刚 ,  黄坚 ,  李委糠 ,  沈忱 ,  李竞 ,  朱珠 ,  齐国强 ,  余卓 ,  柴象飞 ,  郭娜 ,  张路

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种儿童脑部MR图像病毒性脑炎分类系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的分类模型，所述的分类模型采用改进的SE ResNet网络模型，共包含四个卷积部分，每个卷积部分由若干个子模块组构成，每个子模块组包含Inception子模块和SE Res子模块，最终通过全连接层获得最后的分类结果；所述计算机处理器执行所述计算机程序时实现以下步骤：将待分类的儿童脑部MR影像输入训练好的分类模型中，得到病毒性脑炎分类结果。利用本发明，可以提升模型对于不同维度特征的学习能力，大大提升儿童病毒性脑炎诊断的效率和准确率。

公开(公告)号：CN114821176A

公开(公告)日：2022-07-29

申请号：CN202210463034.9

申请日：2022-04-28

Applicant: 浙江大学

Inventor： 俞刚 ,  黄坚 ,  李委糠 ,  沈忱 ,  李竞 ,  朱珠 ,  齐国强 ,  余卓 ,  柴象飞 ,  郭娜 ,  张路

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种儿童脑部MR图像病毒性脑炎分类系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的分类模型，所述的分类模型采用改进的SE ResNet网络模型，共包含四个卷积部分，每个卷积部分由若干个子模块组构成，每个子模块组包含Inception子模块和SE Res子模块，最终通过全连接层获得最后的分类结果；所述计算机处理器执行所述计算机程序时实现以下步骤：将待分类的儿童脑部MR影像输入训练好的分类模型中，得到病毒性脑炎分类结果。利用本发明，可以提升模型对于不同维度特征的学习能力，大大提升儿童病毒性脑炎诊断的效率和准确率。

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

Inventor： 李哲明 ,  黄坚 ,  沈忱 ,  俞刚 ,  李竞 ,  黄寿奖 ,  宋春泽 ,  柴象飞 ,  郭娜 ,  左盼莉 ,  钱宝鑫

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08

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。