[发明专利]基于层次卷积神经网络的乳腺癌MRI分割方法在审
| 申请号： | 201911057495.0 | 申请日： | 2019-11-04 |
| 公开（公告）号： | CN110796672A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 王波;袁凤强;何颖;刘侠 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T7/194;G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 41182 焦作加贝专利代理事务所(普通合伙) | 代理人： | 任昕 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于层次卷积神经网络的乳腺癌MRI分割方法，融合了多种算法，其具体步骤为，训练一个全卷积网络FCN模型，采用3D U‑Net架构来获取输入图像的全局和局部结构信息；以乳房掩膜为引导，训练另外两个FCN模型，分别估计粗分割结果和细化初始结果；开发基于标记点的检测模型，以检测用于活检肿瘤选择和放射基因组学的两个标记点，很好的解决了乳腺DEC‑MR图像分割中的常见问题，包括类不平衡问题和混淆等不易解决的问题，设计了学习框架来对乳腺肿瘤进行由粗到细的分割；使用肿瘤位置信息和标记信息来确定所有检测到的肿瘤中的活检肿瘤，自动检测，设计巧妙，精确率高，便于普及推广和使用。 | ||
| 搜索关键词： | 肿瘤 标记点 分割 检测 卷积神经网络 肿瘤位置信息 标记信息 分割结果 基因组学 局部结构 乳腺肿瘤 输入图像 自动检测 乳房 乳腺 乳腺癌 卷积 细化 掩膜 算法 放射 混淆 架构 融合 全局 网络 开发 学习 | ||
【主权项】：
1.一种基于层次卷积神经网络的乳腺癌MRI分割方法，其特征在于，基于动态对比增强磁共振成像(DCE-MRI)，其具体步骤为，/nQ1，训练一个全卷积网络FCN模型(FCN-1)，采用3D U-Net架构来获取输入图像的全局和局部结构信息，以估计感兴趣的区域即乳房掩膜；/nQ2，以乳房掩膜为引导，训练另外两个FCN模型(FCN-2和FCN-3)，分别估计粗分割结果和细化初始结果，至此可以检测输入图像中的所有肿瘤区域；/nQ3，为了从所有检测到的肿瘤中识别出活检肿瘤，进一步开发了一种基于标记点的检测模型(FCN-4)，以检测用于活检肿瘤选择和放射基因组学的两个标记点。/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哈尔滨理工大学，未经哈尔滨理工大学许可，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/201911057495.0/，转载请声明来源钻瓜专利网。
- 上一篇：数据处理方法及相关装置
- 下一篇：图像分割方法及相关产品
