一种基于多维信息融合和深度学习的脑部医学影像分析方法

发明专利有效专利

申请号：
CN201911231451.5
IPC分类号：G16H30/20G06N3/04
申请日期：
2019-12-05
申请人：
电子科技大学中山学院

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	一种基于多维信息融合和深度学习的脑部医学影像分析方法
申请号	CN201911231451.5	申请日期	2019-12-05
法律状态	实质审查	申报国家	中国
公开/公告日	2020-03-27	公开/公告号	CN110931112A
优先权	暂无	优先权号	暂无
主分类号	G16H30/20 ? IPC结构图谱： G 物理 G0 仪器 G16 特别适用于特定应用领域的信息通信技术〔ICT〕〔2018.01〕 G16H 医疗保健信息学，即专门用于处置或处理医疗或健康数据的信息和通信技术〔ICT〕〔2018.01〕 G16H30/00 专门用于处理或加工医学图像的ICT（计算机断层扫描入A61B 6/03）〔2018.01〕 G16H30/20 用于处理医学图像，例如 DICOM，HL7或PACS〔2018.01〕	IPC分类号	G16H30/20;G06N3/04查看分类表>
申请人	电子科技大学中山学院	申请人地址	广东省中山市石岐区学院*** 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	电子科技大学中山学院	当前权利人	电子科技大学中山学院
发明人	董帅;傅瑜;邹昆;李文生;李悦乔;谷俊霖;周博伦
代理机构	中山市粤捷信知识产权代理事务所（普通合伙）	代理人	张谦

摘要

一种基于多维信息融合和深度学习的脑部医学影像分析方法，包括如下步骤：S1、开发测试环境平台搭建：搭建深度学习训练用工作站，配置训练框架；S2、对主流深度学习算法和网络模型进行研究：对主流的深度学习算法、网络模型、医学影像分析检测框架和数据集进行测试，并分析各种深度学习算法和卷积网络模型在图像分割、目标检测和疾病分类分级方面的优缺点；S3、制作医学影像训练数据集、验证数据集和测试数据集；S4、基于多个深度学习网络的医学影像分析诊断研究。本发明能分别训练不同的深度学习卷积神经网络，通过构建加权贝叶斯网络，对不同类型医学影像的分析结果进行处理，从而得到最后的分析诊断结果，诊断结果的准确性大大提高。

喷附仪

实用新型

一种基于多维信息融合和深度学习的脑部医学影像分析方法

在售专利 早买早用

在售专利早买早用