申请/专利权人:武汉儿童医院
申请日:2023-10-17
公开(公告)日:2023-12-08
公开(公告)号:CN117197585A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/44;G16H30/00;G16H50/30;G06T3/40;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.26#实质审查的生效;2023.12.08#公开
摘要:本发明涉及图像数据处理技术领域,提供了一种基于深度学习的儿童急性阑尾炎影像学病灶分类方法,包括以下步骤:①计算权重:根据诊断指标和病例文本,分析影像区的类别和权重;②图像向量化:对医学影像进行边缘检测,得到医学影像中的多个影像区的位置和类别;③图像赋权:按照步骤②所得影像区建立独立影像层,将影像区的权重根据类别对应作为该独立影像层的注意力权重,将独立影像层叠加于医学影像中,得到赋权重影像;④图像分类。本发明基于图像分区并根据诊断指标和病例文本赋权重的方式,对影像识别的重点关注区域进行初步判断,起到辅助病灶分类的作用,能有效避免特有指征被弱化、忽视的情况,从而确实有效的提升准确性。
主权项:1.一种基于深度学习的儿童急性阑尾炎影像学病灶分类方法,其特征在于,包括以下步骤:①计算权重:根据诊断指标和病例文本,分析影像区的类别和权重;②图像向量化:对医学影像进行边缘检测,得到医学影像中的多个影像区的位置和类别;③图像赋权:按照步骤②所得影像区建立独立影像层,将影像区的权重根据类别对应作为该独立影像层的注意力权重,将独立影像层叠加于医学影像中,得到赋权重影像;④图像分类:基于多目标检测网络,采用注意力机制方法,对赋权重影像进行分类,得到病灶分类结果。
全文数据:
权利要求:
百度查询: 武汉儿童医院 一种基于深度学习的儿童急性阑尾炎影像学病灶分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。