买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:上海交通大学医学院附属仁济医院;上海理工大学
摘要:本发明涉及一种基于磁共振成像和深度学习的脑部图像分类方法及设备,所述方法包括以下步骤:获取待分类的原始MRI扫描图像数据,进行预处理,获得三维MRI图像;将所述三维MRI图像作为一经训练的分类网络模型的输入,获得最终分类结果;其中,所述分类网络模型对所述三维MRI图像分别沿轴状面、矢状面和冠状面进行3D到2D的特征维度转换,分别通过轴状位基分类器、矢状位基分类器和冠状位基分类器获得对应的初始分类结果,再对多个所述初始分类结果进行集成融合,获得所述最终分类结果。与现有技术相比,本发明具有分类精度高、模型复杂度低等优点。
主权项:1.一种基于磁共振成像和深度学习的脑部图像分类方法,其特征在于,包括以下步骤:获取待分类的原始MRI扫描图像数据,进行预处理,获得三维MRI图像,所述原始MRI扫描图像数据的模态为T1加权MRI,所述预处理包括原点校正、N4偏置场校正、空间归一化、颅骨剥离、滤波降噪和或强度归一化;将所述三维MRI图像作为一经训练的分类网络模型的输入,获得最终分类结果;其中,所述分类网络模型对所述三维MRI图像分别沿轴状面、矢状面和冠状面进行3D到2D的特征维度转换,分别通过轴状位基分类器、矢状位基分类器和冠状位基分类器获得对应的初始分类结果,再对多个所述初始分类结果进行集成融合,获得所述最终分类结果;所述轴状位基分类器、矢状位基分类器和冠状位基分类器均为结构相同的级联3D_2D卷积神经网络模型;所述级联3D_2D卷积神经网络模型包括3DMRI输入层、3D卷积模块以及分别连接于3D卷积模块后的3D分支和2D分支,所述3D分支和2D分支的输出汇合后依次连接特征融合层和最终分类层,其中,所述3D卷积模块用于提取低层特征,所述3D分支和2D分支用于提取高层特征;所述3D分支包括3D卷积块、3D残差通道注意力机制层和3D全局平均池化层;所述2D分支采用深度可分离卷积沿通道方向进行特征计算,引入通道注意力机制对不同通道特征进行权重计算,并通过基于像素点的2D卷积进行通道间的信息融合。
全文数据:
权利要求:
百度查询: 上海交通大学医学院附属仁济医院 上海理工大学 基于磁共振成像和深度学习的脑部图像分类方法及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。