-
公开(公告)号：CN117152061A
公开(公告)日：2023-12-01
申请号：CN202310929194.2
申请日：2023-07-27
Applicant: 浙江省中医院、浙江中医药大学附属第一医院(浙江省东方医院) , 浙江工商大学
Abstract: 本发明提供了一种基于双向多尺度特征提取的CT影像胸壁分割方法，主要包含如下步骤：构建基于双向多尺度特征提取的图像分割网络，其中编码器分支对网络进行初步的特征提取；多尺度特征融合分支使用编码器分支在不同阶段得到的不同尺度的特征图；解码器分支利用低分辨率的语义特征和横向连接得到的同尺度的语义特征逐步信息解码来生成分割区域。本发明利用双向特征金字塔将多尺度模块引入编码器分支，利用复合挤压激励网络将多尺度横向特征连接模块引入解码器分支并代替了原始的横向连接方法。本发明只需输入CT影像就能自动得到可视化的胸壁分割结果，准确且直观，能有效利用图像多尺度信息提高对CT影像中心成像部分的关注度。
-
公开(公告)号：CN116823786A
公开(公告)日：2023-09-29
申请号：CN202310804910.4
申请日：2023-07-03
Applicant: 浙江省中医院、浙江中医药大学附属第一医院(浙江省东方医院) , 浙江工商大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06T7/73
Abstract: 本发明公开了一种基于可变形卷积的胸部X线图像异物检测方法。本发明首先对X线图像预处理，用于增强图像的对比度和清晰度；其次构建基于可变形卷积的卷积神经网络；所述卷积神经网络包括改进的MoblieNet主干网络、空间金字塔池化结构、空间聚合模块和异物预测头部；然后将训练集数据输入至基于可变形卷积的卷积神经网络进行训练，得到训练好的网络模型；最后将测试集数据输入至训练好的网络模型得到提取出的特征图，然后进行预测，回归得到异物的坐标。本发明中的基于可变形卷积的主干网络可以自适应地调整特征的偏移量，从而更准确地提取异物的特征；本发明中的空间聚合模块将空间位置信息嵌入图像特征中，能更好捕获异物的位置信息。
-
公开(公告)号：CN119786055A
公开(公告)日：2025-04-08
申请号：CN202510281141.3
申请日：2025-03-11
Applicant: 浙江省中医院、浙江中医药大学附属第一医院(浙江省东方医院)
Abstract: 本发明涉及肺亚实性结节生长趋势预测技术领域，且公开了一种肺亚实性结节生长趋势预测模型及预测方法，包括数据采集模块和预测分析模块。该肺亚实性结节生长趋势预测模型及预测方法通过保留符合筛选标准的临床数据和肺部CT图像数据，将其代入VAE‑Deepsurv算法模型进行训练，训练得到多个版本的算法模型，并计算多个版本算法模型的ROC曲线下面积，保留ROC曲线下面积最大的算法模型为最终模型，严格控制预测模型特征量，数据采集模块分类组成临床数据集和影像数据集，预测分析模块计算生成结节生长数据组、个体风险指数和预测生长数据组，判断肺亚实性结节的生长概率，并生成对应的报告，注重个体差异预测准确度高。
-
-
Search Results
3
records
(took 0.056 seconds)
