公开(公告)号：CN113592939B

公开(公告)日：2024-02-27

申请号：CN202110819406.2

申请日：2021-07-20

Applicant: 燕山大学

Inventor： 王金甲 ,  常万里 ,  周莹 ,  郭浩攀 ,  宋佳锐 ,  杜宏桥

IPC: G06T7/62 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09 ,  G06V10/766

Abstract: 本发明公开了一种基于冠脉造影图像判断狭窄血管尺寸的深度学习方法，属于医学技术领域，该方法包括：获取实验所需要的冠脉造影图像数据，该冠脉造影图像数据为冠脉造影图像并含有相应的标签，将冠脉造影图像数据分为训练集、验证集和测试集；使用训练集和验证集进行训练，利用深度学习的方法训练一个多任务分类回归预测模型，整个模型包括一个分类支路和一个回归支路，分类支路由交叉熵损失函数监督训练，回归支路由一个主损失函数平均绝对误差和一个跨空间距离保持正则化的损失函数相结合进行监督训练，从而提高预测的准确率，该方法可以帮助医生快速确定相应的血管指标信息，进而可以帮助医生提高手术成功率。

公开(公告)号：CN113592939A

公开(公告)日：2021-11-02

申请号：CN202110819406.2

申请日：2021-07-20

Applicant: 燕山大学

Inventor： 王金甲 ,  常万里 ,  周莹 ,  郭浩攀 ,  宋佳锐 ,  杜宏桥

IPC: G06T7/62 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于冠脉造影图像判断狭窄血管尺寸的深度学习方法，属于医学技术领域，该方法包括：获取实验所需要的冠脉造影图像数据，该冠脉造影图像数据为冠脉造影图像并含有相应的标签，将冠脉造影图像数据分为训练集、验证集和测试集；使用训练集和验证集进行训练，利用深度学习的方法训练一个多任务分类回归预测模型，整个模型包括一个分类支路和一个回归支路，分类支路由交叉熵损失函数监督训练，回归支路由一个主损失函数平均绝对误差和一个跨空间距离保持正则化的损失函数相结合进行监督训练，从而提高预测的准确率，该方法可以帮助医生快速确定相应的血管指标信息，进而可以帮助医生提高手术成功率。

公开(公告)号：CN113177950A

公开(公告)日：2021-07-27

申请号：CN202110436561.6

申请日：2021-04-22

Applicant: 燕山大学

Inventor： 王金甲 ,  常万里 ,  杜宏桥 ,  周莹

IPC: G06T7/11 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于半监督对抗学习的冠脉造影血管图像分割的方法，属于医学技术领域，基于半监督对抗学习的方法是当下医学图像处理领域比较热门的一个方法。半监督对抗学习的方法不需要大量的标注数据，大大减轻了医生的工作量。通过利用标注数据训练鉴别器，鉴别器网络可以判断输入为未标注数据的分割预测图还是GroundTruth图，然后分割网络将未标注数据的分割预测输入到鉴别器网络可以计算置信图，再结合对抗损失和半监督损失可以共同监督提高分割网络的准确性，从而使分割网络达到一个好的分割效果。