摘要
本发明公开了一种基于深度学习的冠脉造影钙化识别方法、系统及存储介质,涉及医学心血管图像处理技术领域。本发明包括以下步骤:对待检测冠脉不同血管造影投照体位进行综合评价;根据CT血管造影独立标记原始数字减影血管造影图像上的钙化病变;使用U‑net神经网络结合焦点损失函数学习和鉴定标记的钙化病变;将U‑net神经网络输出结果输入至LSTM网络计算钙化评分。本发明提高了冠状动脉钙化检测的准确性和提高机器学习算法的预测性能。
技术关键词
冠脉造影
焦点损失函数
CT血管造影
识别方法
计算机存储介质
图像特征信息
标记
机器学习算法
图像处理技术
网络
识别系统
模块
医学
因子
处理器
样本
患者
系统为您推荐了相关专利信息
配电房
缺陷识别方法
人工智能内容
样本
生成技术
图片识别方法
汽车配件
全局特征提取
ResNet网络
图像哈希算法
信息智能识别方法
敏感信息识别
语义结构
初始聚类中心
实体
整车
模糊逻辑控制器
能量管理方法
功率
隶属度函数
Apriori算法
危险性
机器学习模型
因子
地质灾害评估