一种基于多分类器融合的冠状动脉狭窄病变程度识别方法

发明专利有效专利

申请号：
CN202110658791.7
IPC分类号：G06K9/62
申请日期：
2021-06-15
申请人：
西安理工大学

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	一种基于多分类器融合的冠状动脉狭窄病变程度识别方法
申请号	CN202110658791.7	申请日期	2021-06-15
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-17	公开/公告号	CN113408603A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2查看分类表>
申请人	西安理工大学	申请人地址	陕西省西安市碑林区金花南路5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	西安理工大学	当前权利人	西安理工大学
发明人	谢国;王承兰;穆凌霞;李艳恺;梁莉莉;李思雨;杨婧
代理机构	西安弘理专利事务所	代理人	王敏强

摘要

本发明公开了一种基于多分类器融合的冠状动脉狭窄病变程度识别方法，首先构建图像样本库；对由心脏CTA提取出的CT原始序列图进行预处理，然后做特征提取，提取感兴趣的纹理特征、灰度特征以及几何特征三个大类特征；再将样本分为训练组和测试组，计算各个特征与预测结果的相关性大小，剔除相关性小的特征；建立多分类器融合预测模型，对各单分类器的结果进行融合来预测冠脉狭窄病变程度，同时采用加权法确定3种单分类器在融合分类器中所占的权重，当狭窄程度低于50％时判定为正常样本，狭窄程度大于50％时判定为病变样本。本发明实现在判别狭窄程度上的自动分类预判，免去有创手术给患者带去的伤害。

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