龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽医科大学第一附属医院
摘要：本发明公开了基于深度学习的X射线图像分析方法，涉及X射线图像分析技术领域，依据合格阈值筛选出异常图像并进行处理；对处理后的X射线图像进行标注及归类，依据各个异常图像类中的图像分布状态构建均匀度，若获取的均匀度低于均匀度阈值，对占比低于预期的异常图像类进行补充；训练获取图像分析模型，对图像分析模型进行测试，由测试数据构建相应的可靠度，可靠度低于可靠度阈值，对图像分析模型进行优化，并获取优化后的图像分析模型；由优化后的图像分析模型识别X射线图像并诊断标签，从诊断标签提取相应的病变特征，依据病变特征输出相应的分析意见，依据分析意见快速对病变特征进行快速解释，降低医生负荷和压力。
主权项：1.基于深度学习的X射线图像分析方法，其特征在于：包括，由采集的医生工作状态数据生成图像分析数据集合，并由图像分析数据集合构建负荷系数Ho，若获取的负荷系数Ho超过负荷阈值，向外部发出图像采集指令；对收集到的X射线图像进行预处理，并对预处理后的图像做质量分析，由获取的质量分析参数构建相应的图像质量系数Ts，并由获取的若干个图像质量系数Ts构建合格阈值[Qa，Qb]，依据合格阈值[Qa，Qb]筛选出异常图像并进行处理；对处理后的X射线图像进行标注及归类，获取异常图像类，依据各个异常图像类中的图像分布状态构建均匀度Uo，若获取的均匀度Uo低于均匀度阈值，对占比低于预期的异常图像类进行补充；由汇总的异常图像类构建样本数据，以样本数据训练获取图像分析模型，对图像分析模型进行测试，由测试数据构建相应的可靠度Ko，可靠度Ko低于可靠度阈值，对图像分析模型进行优化，并获取优化后的图像分析模型；其中，分别获取相应的Auc值P，依照如下方法构建可靠度Ko： 其中，i＝2，3，…，k，k为测试的次数，为Auc值的合格标准值，Pi为第i次测试时的Auc值，Pavg为其均值；权重系数：0≤F1≤1，0≤F2≤1，且F1+F2＝1；由优化后的图像分析模型识别X射线图像并诊断标签，从诊断标签提取相应的病变特征，由病变分析知识图谱为X射线图像给出分析意见，并将其容纳在输出图像分析报告内向外部发出。
全文数据：
权利要求：
百度查询： 安徽医科大学第一附属医院 基于深度学习的X射线图像分析方法
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