申请/专利权人：杭州健培科技有限公司

申请日：2020-07-29

公开（公告）日：2024-06-07

公开（公告）号：CN111915584B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2020.11.27#实质审查的生效;2020.11.10#公开

摘要：本发明提供一种基于CT影像的病灶随访评估方法和系统，包括以下步骤：获取同一病患的对应不同时间点的当前有效特征集和历史有效特征集；将当前有效特征集和历史有效特征集输入随访预测模型中进行随访双任务校正得到预测结果自校正后的随访预测结果，其中随访双任务包括分类任务和回归任务，该病灶随访评估方法可基于病患的当前病患数据随机调取该病患的历史病患数据，基于前后两次病患数据进行当前病灶情况随访预测，且可在同一随访预测模型中对随访预测结果进行自校正，以期得到精准度高的随访预测结果，也可在实际测试过程中不断地随访优化预测模型。

主权项：1.一种基于CT影像的病灶随访评估方法，其特征在于，包括以下步骤：获取同一病患的对应不同时间点的当前有效特征集和历史有效特征集；将当前有效特征集和历史有效特征集输入随访预测模型中进行随访双任务校正得到预测结果自校正后的随访预测结果，其中随访双任务包括分类任务和回归任务，其中随访预测模型包括输入单元、共享神经网络单元、当前分类任务单元、历史分类任务单元和随访双任务单元，其中输入单元将当前有效特征集和历史有效特征集输入共享神经网络单元中，当前有效特征集和历史有效特征集在该共享神经网络单元中共享同一网络参数，分别得到当前网络特征集和历史网络特征集，当前有效网络特征集输入当前分类任务单元中得到当前病灶分类结果，历史有效网络特征输入历史分类任务单元中得到历史病灶分类结果，随访双任务单元拼接当前网络特征集和历史网络特征集后得到拼接特征集，对拼接特征集分别进行分类任务和回归任务处理分别得到分类结果和回归结果，对回归结果和分类结果进行自校正，结果自校正的方法如下：对分类任务的分类概率和回归任务的回归值设定结果阈值，回归任务和分类任务进行概率投票，选择置信度高的分类类别作为随访预测结果，所述分类结果包括分类类别以及对应的置信度，分类类别至少包括疾病加重、疾病减轻和疾病未变化，所述回归结果包括病灶变化量估计，并基于回归任务变化量估计值和分类任务类别和置信度修正相关结果，其中当前分类任务单元和历史分类任务单元采用同一神经网络框架，其中当前有效特征集和历史有效特征集均至少包括对应病患数据的病灶量化特征、病灶纹理特征以及临床表现特征，其中随访预测结果包括病灶对应疾病的变化情况。

全文数据：

权利要求：

百度查询： 杭州健培科技有限公司 一种基于CT影像的病灶随访评估方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD