摘要
本发明提供一种基于AI模型识别冠状CTA粥样斑块及易损斑块的方法,利用深度学习对冠状CTA图像进行特征提取和分类,通过构建大规模的带有标注的冠状CTA图像数据集,用于临床冠脉CTA图像的粥样斑块及其易损斑块特征识别,实现对粥样斑块及易损斑块特征的自动识别。以此提供统一的诊断手段,解决现有技术中识别准确性低、水平不统一、诊断慢、自动化程度不足的问题。不需要依靠医生主观上的专业知识和临床经验,而是客观识别粥样斑块及其高危易损斑块,为患者提供准确、客观的临床诊断结果和对应的诊疗方案,诊断手段、标准比较统一。自动化诊断,节省体力、脑力等,大大提高冠状CTA粥样斑块及易损斑块的诊断效率。
技术关键词
冠状动脉粥样硬化
易损斑块
历史大数据
图像
计算机可读取存储介质
后台服务器
计算机可读指令
深度学习模型训练
低密度
餐巾环
检测设备
机器学习算法
患者
标注工具
生成方法
自然语言
处理器
系统为您推荐了相关专利信息
状态智能监测方法
田间机器人
植株三维点云
光照补偿算法
形态学特征
液压泵零件
跟踪注册方法
点特征直方图
特征点
位姿估计算法
位点预测方法
消息传递机制
神经网络模型
计算机可读取存储介质
蛋白质三维结构