公开(公告)号：CN105844617A

公开(公告)日：2016-08-10

申请号：CN201610154185.0

申请日：2016-03-17

Applicant: 电子科技大学

Inventor： 丁熠 ,  杨晓明 ,  秦志光 ,  蓝天 ,  王飞 ,  于跃 ,  陈浩 ,  肖哲 ,  陈圆 ,  董荣凤

IPC: G06T7/00

CPC classification number: G06T2207/30016

Abstract: 本发明通过改进的阈值分割算法实现对脑图像灰质白质的分割，以利于对病人脑萎缩的辅助诊断。该方法首先利用自适应滤波器处理原始图像，减少原图像的噪音并增强图像的对比度。然后对处理过的图像再利用区域生长算法对图像进行脑剥离，剔除非脑实质部分。然后利用迭代阈值法求取阈值，再利用利用临近加权值算法对图像进行二值化分割，得到的结果便是脑白质的分割结果。最后在上一步的结果上再进行一次分割，得到的结果便是脑灰质的分割结果。

公开(公告)号：CN104834943A

公开(公告)日：2015-08-12

申请号：CN201510268230.0

申请日：2015-05-25

Applicant: 电子科技大学

Inventor： 秦臻 ,  杨晓明 ,  蓝天 ,  秦志光 ,  黄若菡 ,  张聪 ,  陈浩 ,  肖哲 ,  徐路路 ,  陈圆

IPC: G06K9/62

CPC classification number: G06K9/6277 ,  G06K2209/05

Abstract: 本发明公开了一种基于深度学习的脑肿瘤分类方法，在进行脑肿瘤特征提取时，首先利用Gabor小波变换提取脑肿瘤的纹理特征，根据堆叠降噪自动编码来构建深度学习的网络，之后利用深度学习从这些纹理特征中提取出更高层的特征；其次利用同心圆方法提取脑肿瘤的形状特征，与之前通过深度学习提取到的高层特征结合形成增广特征向量，将特征作为输入放入支持向量机中进行训练得到分类器；最后使用同样的方法为测试样本提取特征向量，利用训练得到的分类器对其进行分类；本发明将提高医生的诊断准确率，为脑肿瘤的手术方案制定提供有用的信息。

公开(公告)号：CN105825509A

公开(公告)日：2016-08-03

申请号：CN201610154198.8

申请日：2016-03-17

Applicant: 电子科技大学

Inventor： 秦臻 ,  杨晓明 ,  蓝天 ,  秦志光 ,  陈圆 ,  徐路路 ,  陈浩 ,  肖哲 ,  王飞 ,  李雪瑞

IPC: G06T7/00

CPC classification number: G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30101

Abstract: 本发明公开了一种基于3D卷积神经网络的脑血管分割方法，该方法涉及机器学习、模式识别、图像处理等领域。该方法首先将标记好的脑血管造影图像按序堆叠成3维矩阵，对于其中的血管点取25×25×25大小的patch，然后再随机相同数量、相同大小的非血管点patch，得到训练数据。之后将训练数据输入到3D卷积神经网络用于训练，得到训练模型。然后将实际的血管造影序列图像的每个像素点取25×25×25大小的patch，输入到模型中，得到分类标签，在将分类标签拉伸为相同大小的图像，即为分割血管图像。该方法具有准确率高、泛型程度好的效果。

公开(公告)号：CN104851101A

公开(公告)日：2015-08-19

申请号：CN201510268407.7

申请日：2015-05-25

Applicant: 电子科技大学

Inventor： 丁熠 ,  杨晓明 ,  秦志光 ,  蓝天 ,  黄若菡 ,  张聪 ,  陈浩 ,  肖哲 ,  陈圆 ,  徐路路

IPC: G06T7/00

CPC classification number: G06T7/11 ,  G06T2207/30096

Abstract: 本发明公开了一种基于深度学习的脑肿瘤自动分割方法，首先对包含脑肿瘤的核磁共振成像切片进行图像块的提取，利用图像块的灰度序列作为深度学习的输入，并对网络进行无监督的预训练得到最初的网络参数，之后再利用带标签的数据反向对网络参数进行微调，得到的最终参数用于初始化新的网络，通过该网络对待测试的图像进行初步的分类。在完成分类后，接着利用设定的灰度值对初步被分为肿瘤的点进行一次划分，最后进行后处理得到最终的分割结果，本发明是一种脑肿瘤的自动分割方法，并且不需要对脑肿瘤提取额外的特征，本发明将为医生制定脑肿瘤的手术方案提供有用的信息。