[发明专利]利用全卷积网络的自动分割有效
| 申请号： | 201880020558.2 | 申请日： | 2018-01-25 |
| 公开（公告）号： | CN110475505B | 公开（公告）日： | 2022-04-05 |
| 发明（设计）人： | 丹尼尔·欧文·戈尔登;马蒂厄·勒;杰西·利曼-西弗里;刘学勤 | 申请（专利权）人： | 阿特瑞斯公司 |
| 主分类号： | A61B5/00 | 分类号： | A61B5/00 |
| 代理公司： | 北京柏杉松知识产权代理事务所(普通合伙) 11413 | 代理人： | 邰凤珠;刘继富 |
| 地址： | 美国加利*** | 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： | 用于解剖结构(例如，心脏)的自动分割的系统和方法。卷积神经网络(CNN)可用于自主分割由图像数据(例如3D MRI数据)表示的解剖结构的部分。CNN使用两条路径，即收缩路径和扩张路径。在至少一些实施方式中，扩张路径包括比收缩路径更少的卷积操作。该系统和方法还自主计算图像强度阈值，该阈值将血液与心内膜轮廓内部的乳头肌和小梁肌区分开，并自主应用图像强度阈值来限定描述乳头肌和小梁肌的边界的轮廓或掩模。该系统和方法还使用训练的CNN模型计算描绘心内膜和心外膜的轮廓或掩模，并使用计算出的轮廓或掩模在解剖学上定位心肌的病症或功能特征。 | ||
| 搜索关键词： | 利用 卷积 网络 自动 分割 | ||
【主权项】：
1.一种机器学习系统，其包括：/n至少一个非临时性处理器可读存储介质，其存储处理器可执行指令或数据中的至少一个；和/n至少一个处理器，其可通信地联接到所述至少一个非临时性处理器可读存储介质，所述至少一个处理器：/n接收包括多批带标签的图像集的学习数据，每个图像集包括表示解剖结构的图像数据并且包括至少一个标签，所述至少一个标签标识图像集的每个图像中描绘的解剖结构的特定部分的区域；/n训练全卷积神经网络(CNN)模型以利用所接收的学习数据来分割解剖结构的至少一部分；并且/n将训练的CNN模型存储在机器学习系统的至少一个非临时性处理器可读存储介质中。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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阿特瑞斯公司，未经阿特瑞斯公司许可，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/patent/201880020558.2/，转载请声明来源钻瓜专利网。
- 上一篇：医学成像装置和内窥镜
- 下一篇：血压测量装置
