摘要
本发明公开了一种基于人工智能的冠脉CTA心外膜脂肪自动提取与定量方法,旨在提高脂肪提取的准确性和效率。该方法包括:对冠脉CTA影像进行预处理以增强数据质量;构建基于U‑Net的分割模型,实现心脏结构的精确分割;结合设定的CT值阈值,自动提取分割区域内的心外膜脂肪组织;采用体素计数方式对脂肪体积进行量化,并分析其密度;进一步生成三维可视化模型,显示脂肪分布与心脏结构的空间关系。该方法在多个数据集上验证效果,显示出在脂肪提取精度、体积与密度评估及模型鲁棒性方面均优于现有方法,具有良好的应用前景。
技术关键词
高维数据可视化
冠脉CTA影像
非线性噪声
心脏
心外膜脂肪组织
统计分析技术
深度卷积神经网络
医疗专业
对比度
高级编程语言编写
直方图均衡化
USB闪存驱动器
机器学习分类算法
非易失性存储设备
深度学习模型
多模态
图像预处理技术
系统为您推荐了相关专利信息
心肌功能障碍
药物组合物
天冬氨酸氨基转移酶
检测心脏功能
左心室射血分数
患者
机器学习模型
计算机系统
心房纤颤治疗
心脏
神经网络模型
状态检测方法
图像转换模块
心脏
二维图像特征
心室辅助装置
钕铁硼磁性颗粒
管柱
磁力
网套结构
先天性心脏病筛查
训练预测模型
机器学习算法
梯度提升机
支持向量机算法