一种基于深度学习的多目标危及器官的自动分割方法、装置及系统

发明专利有效专利

申请号：
CN201910313994.5
IPC分类号：G06T7/11;G06T7/12;G06N3/04
申请日期：
2019-04-18
申请人：
山东师范大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习的多目标危及器官的自动分割方法、装置及系统
申请号	CN201910313994.5	申请日期	2019-04-18
法律状态	授权	申报国家	中国
公开/公告日	2019-07-30	公开/公告号	CN110070546A
优先权	暂无	优先权号	暂无
主分类号	G06T7/11 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕 G06T7/10 分割；边缘检测（基于运动的分割入G06T 7/215）〔2017.01〕 G06T7/11 区域分割〔2017.01〕	IPC分类号	G;0;6;T;7;/;1;1;;;G;0;6;T;7;/;1;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	山东师范大学	申请人地址	山东省济南市长清区大学科技园大学路1号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	山东师范大学	当前权利人	山东师范大学
发明人	李登旺;赵承倩;吴敬红;孔问问;刘英超;虞刚;陆华;刘丹华;薛洁;黄浦
代理机构	济南圣达知识产权代理有限公司	代理人	杨哲

摘要

本发明公开了一种基于深度学习的多目标危及器官自动分割方法、装置及系统，该方法包括：接收患者输入图像；将患者输入图像进行格式转换，转换为JPEG格式数据；将JPEG格式数据输入根据物理师手工分割结果训练的Overfeat定位检测网络，自动选取包含多目标危及器官的感兴趣区；将自动选取的感兴趣区输入FCN初始化分割网络，进行轮廓推断；将轮廓推断得到的初始边界轮廓和接收的人工标记边界进行坐标化，映射到输入图像，提取DAISY特征，得到DAISY特征图像；将DAISY特征图像输入根据物理师手工分割结果训练的深度信念网络，得到危及器官的精确分割边界，即分割结果。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供