[发明专利]脑卒中早期评估方法与系统及脑部区域分割方法在审
| 申请号： | 202011492893.8 | 申请日： | 2020-12-15 |
| 公开（公告）号： | CN114638776A | 公开（公告）日： | 2022-06-17 |
| 发明（设计）人： | 饶林尚;刘玲;张陈;赵周社 | 申请（专利权）人： | 通用电气精准医疗有限责任公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06N3/04;G06N3/08;G06V10/82 |
| 代理公司： | 上海专利商标事务所有限公司 31100 | 代理人： | 侯颖媖;钱慰民 |
| 地址： | 美国威*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 脑卒中 早期 评估 方法 系统 脑部 区域 分割 | ||
1.一种基于医学图像的脑卒中早期评估系统，其特征在于，包括：
预处理模块，用于对获取的脑医学图像进行预处理；
脑分区模块，用于对经过预处理的脑医学图像进行脑部区域分割，该脑分区模块包括图像分割神经网络，该图像分割神经网络由自编码器辅助进行训练；
评分模块，用于基于所述脑分区模块获得的脑分区图像进行评分。
2.如权利要求1所述的脑卒中早期评估系统，其特征在于：所述图像分割神经网络包括Dense V-net神经网络、U-Net神经网络或V-Net神经网络。
3.如权利要求2所述的脑卒中早期评估系统，其特征在于：所述自编码器包括变分自编码器。
4.如权利要求3所述的脑卒中早期评估系统，其特征在于：所述自编码器连接至图像分割神经网络的降采样支路。
5.如权利要求4所述的脑卒中早期评估系统，其特征在于：所述图像分割神经网络训练的损失函数包括KL散度损失函数和Dice系数损失函数，其中，KL散度损失函数对应自编码器的损失函数，Dice系数损失函数对应图像分割神经网络的损失函数。
6.一种基于医学图像的脑卒中早期评估方法，其特征在于，包括：
对获取的脑医学图像进行预处理；
对经过预处理的脑医学图像进行脑部区域分割，该脑部区域分割使用图像分割神经网络，且该图像分割神经网络由自编码器辅助进行训练；
基于所述脑分区模块获得的脑部分区图像进行评分。
7.如权利要求6所述的脑卒中早期评估方法，其特征在于：所述图像分割神经网络包括Dense V-net神经网络、U-Net神经网络或V-Net神经网络。
8.如权利要求7所述的脑卒中早期评估方法，其特征在于：所述自编码器包括变分自编码器。
9.如权利要求8所述的脑卒中早期评估方法，其特征在于：所述自编码器连接至图像分割神经网络的降采样支路。
10.如权利要求9所述的脑卒中早期评估方法，其特征在于：所述图像分割神经网络训练的损失函数包括KL散度损失函数和Dice系数损失函数，其中，KL散度损失函数对应于自编码器的损失函数，Dice系数损失函数对应于图像分割神经网络的损失函数。
11.一种脑医学图像的脑部区域分割方法，其特征在于，包括：
对获取的脑医学图像进行预处理；
使用图像分割神经网络对经过预处理的脑医学图像进行脑部区域分割，所述图像分割神经网络由自编码器辅助进行训练。
12.如权利要求11所述的脑医学图像的分区方法，其特征在于：所述图像分割神经网络包括Dense V-net神经网络、U-Net神经网络或V-Net神经网络。
13.如权利要求12所述的脑医学图像的分区方法，其特征在于：所述自编码器包括变分自编码器。
14.如权利要求13所述的脑医学图像的分区方法，其特征在于：所述自编码器连接至图像分割神经网络的降采样支路。
15.如权利要求14所述的脑医学图像的分区方法，其特征在于：所述图像分割神经网络训练的损失函数包括KL散度损失函数和Dice系数损失函数，其中，KL散度对应自编码器的损失函数，Dice系数损失函数对应图像分割神经网络的损失函数。
16.一种系统，包括用于执行如权利要求5至权利要求15中任一项所述的方法的处理器。
17.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求5至权利要求15所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于通用电气精准医疗有限责任公司，未经通用电气精准医疗有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011492893.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：谐振腔、激光器和激光雷达
- 下一篇：多层直线循环输送机及其双面小车
