龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：佛山市第一人民医院
申请日：2023-04-26
公开（公告）日：2024-04-19
公开（公告）号：CN117911313A
主分类号：G06T7/00
分类号：G06T7/00;G06V10/764;G06V10/774;G06V10/82
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.07#实质审查的生效;2024.04.19#公开
摘要：本发明公开了多特征融合的腮腺肿物分类方法、系统及电子设备，方法包括：获取超声样本图像和临床样本特征并对图像进行图像预处理，得到影像组学样本特征和超声样本特征；对特征进行数据预处理，生成腮腺肿物特征数据集，并采用机器学习的方法和模型融合方法构建腮腺肿物分类模型；采集待测超声图像和待测临床特征，通过腮腺肿物分类模型进行腮腺肿物的分类。本申请能够客观地对腮腺肿物进行分类，为医生诊断腮腺肿物的类别提供数据参考，以辅助非腮腺专科的医生做出更加客观和准确的医学诊断，在一定程度上能够提高腮腺肿物的诊断精准度，并提升医生的工作效率。本发明应用于病症分类技术领域、医学图像模式识别技术领域等。
主权项：1.多特征融合的腮腺肿物分类方法，其特征在于，包括如下步骤：获取多个腮腺肿物患者的超声样本图像和临床样本特征，所述超声样本图像包含至少一个腮腺肿物区域，并对所述超声样本图像进行图像预处理，得到影像组学样本特征和超声样本特征；对所述影像组学样本特征、所述超声样本特征和所述临床样本特征进行数据预处理，生成腮腺肿物特征数据集；根据所述腮腺肿物特征数据集，采用机器学习的方法和模型融合方法构建腮腺肿物分类模型；采集腮腺肿物患者的待测超声图像和待测临床特征，所述待测超声图像至少包括一个腮腺肿物区域，根据所述待测超声图像和所述待测临床特征通过所述腮腺肿物分类模型进行腮腺肿物的分类。
全文数据：
权利要求：
百度查询： 佛山市第一人民医院 多特征融合的腮腺肿物分类方法、系统及电子设备
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号