-
Patent Agency Ranking
公开(公告)号：CN115311195A
公开(公告)日：2022-11-08
申请号：CN202210573392.5
申请日：2022-05-25
Applicant: 浙江大学
Abstract: 本发明提供了一种基于CT影像的残肝体积智能评估系统及方法，一种基于CT影像的残肝体积智能评估方法包括以下步骤：S1.被准备有多个不同的深度学习模型以及超参数经验集；S2.使用超参数经验集调整各深度学习模型的超参数，使用训练样本对不同超参数配置下的深度学习模型进行分别训练；S3.选择训练效果最佳的深度学习模型及其超参数配置；S4.使用训练后的深度学习模型对CT成像进行精准分割并识别肿瘤空间位置；S5.依据医师的切除方案评估残肝体积。本发明提出采用深度学习方式对肝脏CT成像进行精准分割，利用深度学习的优势实现更高精准度的精准分割，能够提高残肝体积测算精准度，提高手术效果。
-
公开(公告)号：CN114947810A
公开(公告)日：2022-08-30
申请号：CN202210573360.5
申请日：2022-05-25
Applicant: 浙江大学
Abstract: 本发明提供了一种基于对抗生成网络的肝脏肿瘤切除后效果预测工具，包括训练后的深度学习模型，所述的深度学习模型包括第一模型和第二模型，所述的第一模型用于根据术前增强MRI数据和肝脏切除范围输出术后增强MRI数据，所述的第二模型用于以术前血清肿瘤标志物数据和第一模型输出的术后增强MRI数据为输入输出复发率评估结果。本发明能够实现在术前基于现有的数据(术前肝脏增强MRI数据、术前的血清肿瘤标志物数据)和手术方案(肝脏切除范围)给出较为准确的术后预测结果，并且同时能够提供影像学可视化的预测，无论是对于患者的预后治疗还是手术前肝脏切除范围的确定，都具有非常重要的意义。
-
公开(公告)号：CN114972754A
公开(公告)日：2022-08-30
申请号：CN202210573292.2
申请日：2022-05-25
Applicant: 浙江大学
IPC: G06V10/26 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种医学图像分割模型的训练方法、介质及电子设备。所述方法包括：对所述医学图像分割模型进行第一阶段的训练，其中，所述第一阶段的训练包括多轮训练；对所述医学图像分割模型进行第二阶段的训练，以完成对所述医学图像分割模型的训练，其中，所述第二阶段的训练包括多轮训练。所述方法可以直接利用所述普通样本和所述困难样本完成对所述医学图像分割模型的训练。
-
公开(公告)号：CN114937147A
公开(公告)日：2022-08-23
申请号：CN202210573370.9
申请日：2022-05-25
Applicant: 浙江大学
IPC: G06V10/26 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种针对肝脏CT影像分段智能识别方法，包括以下步骤：S1.由肝脏分割模型对腹部CT影像进行肝脏实质区域分割得到的肝脏掩膜；S2.将所述的肝脏掩膜与原始输入的腹部CT影像相乘得到肝脏定位图像；S3.将肝脏定位图像输入肝分段模型，由肝分段模型对肝脏区域进行Couinaud分段。本发明还公开了一种针对肝脏CT影像分段智能识别模型。本发明能够得到更准确的肝脏分段识别结果。
-
公开(公告)号：CN114974567A
公开(公告)日：2022-08-30
申请号：CN202210573371.3
申请日：2022-05-25
Applicant: 浙江大学
Abstract: 本发明提供了基于对抗生成网络的肝脏肿瘤介入反应后评估方法及系统，一种基于对抗生成网络的肝脏肿瘤介入反应后评估方法包括以下步骤：S1.训练深度学习模型，得到能够给出预后评估结果的评估模型；S2.评估模型以肝脏术后平扫CT和术后血清学检验信息为输入输出预后评估结果。本发明无需进行肝脏穿刺，可以减少患者预后估计的创伤风险和医疗资源；本发明患者术后无需拍摄增强CT，不会因为拍摄增强CT造成的辐射风险和医疗资源消耗，同时却能够基于增强CT给出预后评估结果，保证作为评估依据的CT影像能够清晰地显示病变，具有拍摄增强CT所具有的效果，能够给出更准确的评估结果。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
