深度学习与放射组学融合的CT图像结石识别方法及装置

AITNT
正文
推荐专利
深度学习与放射组学融合的CT图像结石识别方法及装置
申请号:CN202411647852
申请日期:2024-11-18
公开号:CN119399602A
公开日期:2025-02-07
类型:发明专利
摘要
本发明涉及深度学习与放射组学融合的CT图像结石识别方法及装置,属于医学影像分析技术领域。本发明包括步骤:构建一个由三维卷积组成的分类神经网络,利用该网络提取结石CT影像中的深度学习特征;利用放射组学的方法提取神经网络中浅层输出的形态特征、一阶统计特征以及纹理特征,最后得到放射组学特征;将放射组学特征与神经网络中的深度学习特征相融合,对融合后的特征进行正则化和LASSO特征选择,将筛选后的特征送入LightGBM分类器中,以此来实现术前结石种类的识别。本发明充分利用放射组学方法和深度学习方法各自对CT影像进行特征提取的优势,实现术前高效的结石种类识别。
技术关键词
结石识别方法 深度学习特征 组学特征 分类神经网络 组学方法 医学影像分析技术 统计特征 纹理特征 拉普拉斯 图像深度学习 残差模块 特征融合方法 特征选择 多维特征向量 深度学习方法 矢量特征 样本
系统为您推荐了相关专利信息
1
一种基于影像组学的乳腺非肿块图像预测模型构建、预测方法及系统
组学特征 肿块 影像 预测模型构建方法 模型构建系统
2
基于神经网络的样本自动处理系统及方法
分类神经网络 法医物证 自动化工作站 样本 图像处理模块
3
一种基于电化学阻抗谱数据的多视图锂电池SOH估计方法
电化学阻抗谱 深度学习特征提取 数据 锂电池管理系统 残差学习
4
一种CIP的预测模型、构建方法和预测系统
免疫检查点抑制剂 组学特征 语义特征 灰度共生矩阵 间质性肺病
5
一种逐步求精的甲骨摹本图像自动校重方法
字符 特征描述符 基准 深度学习特征提取 像素
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号