摘要
本发明提供了一种血管狭窄率预测方法、预测模型和预测系统,其中,方法包括获取血管造影影像,对血管造影影像进行血管分割处理,得到血管分割图;然后将血管分割图作为预先训练的基于深度学习的血管狭窄率预测模型的输入,通过预测模型进行预测后输出血管狭窄率分布图,其中,血管狭窄率分布图包括多个第一像素。该预测模型、方法和系统将深度学习技术与临床医学相结合,通过深度学习技术将血管的狭窄情况准确的计算出来,能够适应于不同质量的医学影像,其预测速度快、预测结果准确且具有一致性,保持了医生诊断的规范和标准,并解决了深度学习可解释性差的缺点,是一种准确高的血管狭窄率预测方法。
技术关键词
血管分割
率预测方法
卷积神经网络模型
像素
数据切割方法
计算机断层扫描血管造影
影像
预测系统
深度学习技术
磁共振血管造影
上采样
网络深度
线性单元
生成方法
编码
解码
标记方式
数据获取模块
数据处理模块
系统为您推荐了相关专利信息
图像
归一化方法
生成对抗网络
归一化模块
大区域
排放预测方法
模型更新
数据获取模块
锅炉主蒸汽压力
长短期记忆神经网络
实例分割模型
非结构化环境
采摘点定位方法
深度图像数据
坐标