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：齐鲁工业大学(山东省科学院);山东省人工智能研究院
申请日：2024-05-22
公开（公告）日：2024-06-18
公开（公告）号：CN118212241A
主分类号：G06T7/00
分类号：G06T7/00;G06T7/73;G06T3/60;G06T3/20;G06T3/4038;G06V10/774;G06T7/11;G06V10/764;G06V10/82;G06N3/0455;G06N3/0464;G06N3/048;G06N3/084;G06N3/0985
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明涉及医学影像处理领域，尤其涉及一种基于双阶段粒度网络的颈部MRI图像分析方法。本发明方法包括如下步骤：选取颈部MRI图像的数据合成数据集，将数据按比例划分为训练集、验证集和测试集；将训练集进行数据增强操作并作归一化处理；设置网络模型结构以及损失函数和优化算法，将经过预处理的训练集数据送入网络模型，通过网络学习有效的特征表示；将训练好的网络模型在验证集上进行评估，计算评价指标来评估模型性能，根据评估结果来调整模型的超参数并重新训练以提升网络的性能；最终使用最优的网络模型参数在测试集上评估模型的泛化能力和性能。本发明方法能够在包含血管、神经、软组织等多种组织中实现精准的颈动脉血管提取。
主权项：1.一种基于双阶段粒度网络的颈部MRI图像分析方法，其特征在于，包括如下步骤：S1.将CARE-II研究中的颈部MRI图像及其标签作为研究数据，并将其按比例划分为训练集、验证集和测试集；S2.将训练集进行预处理，包括缩放、旋转、移位、裁剪操作，以增加数据的多样性，数据增强后进行归一化处理，验证集和测试集进行归一化处理；S3.设置一个双阶段骨干模型结构并加入优化模块，使用预处理后的训练集训练模型，通过损失函数来衡量模型输出与真实标签的差异并通过优化算法更新网络参数；S4.使用验证集评估训练好的模型在未知数据上的性能，计算模型输出与标签之间的差异进行评估，根据评估结果来调整模型的超参数以提升网络的性能；S5.使用测试集评估经过调优的模型的泛化能力和性能。
全文数据：
权利要求：
百度查询： 齐鲁工业大学(山东省科学院);山东省人工智能研究院 基于双阶段粒度网络的颈部MRI图像分析方法
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。
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