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：清华大学
申请日：2021-12-02
公开（公告）日：2024-06-28
公开（公告）号：CN114399462B
主分类号：G06T7/00
分类号：G06T7/00;G06N3/0475;G06N3/045;G06N3/094;G16H50/20
优先权：
专利状态码：有效-授权
法律状态：2024.06.28#授权;2022.05.13#实质审查的生效;2022.04.26#公开
摘要：本申请提出了一种基于深度表征网络的医学影像异常检测方法，涉及计算机视觉、深度学习和医学影像智能分析交叉技术领域，其中，该方法包括：采集待检测医学影像；对采集的医学影像进行规范化处理，生成规范化图像；将规范化图像输入训练好的深度异常检测网络中，对输入影像数据进行诊断，判断输入影像是否异常。采用上述方案的本申请提出的基于正常医学图像的异常检测方法有助于打破医疗资源和水平分布不均的限制，同时实现多类疾病异常检测，为医生提供辅助和支撑，对提高临床诊断准确性具有重要的意义。
主权项：1.一种基于深度表征网络的医学影像异常检测方法，其特征在于，包括以下步骤：采集待检测医学影像；对采集的医学影像进行规范化处理，生成规范化图像；将所述规范化图像输入训练好的深度异常检测网络中，对输入影像数据进行诊断，判断输入影像是否异常；其中，所述深度异常检测网络包括生成对抗网络和单值分类网络，将所述规范化图像输入训练好的深度异常检测网络中，对输入影像数据进行诊断，包括：将影像输入生成对抗网络进行特征提取，再将提取的特征输入单值分类网络，得到图像高层表征；使用基于支持向量数据描述的单值分类方法优化所述图像高层表征在更高层特征空间中的分布，根据数据在高层空间中的分布得到异常检测结果，最后由单值分类网络输出所述异常检测结果。
全文数据：
权利要求：
百度查询： 清华大学 基于深度表征网络的医学影像异常检测方法和装置
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