← 返回列表
基于深度学习影像模型的前列腺MRI图像分类方法
摘要文本
本发明属于图像处理技术领域，具体涉及一种基于深度学习影像模型的前列腺MRI图像分类方法，旨在解决现有的MRI图像分类方法分类准确性差、鲁棒性较低的问题。本方法包括：获取目标对象的前列腺MRI图像，作为输入图像；对输入图像进行预处理，得到预处理图像；对预处理图像分别进行三维病变级别ROI提取并对提取的ROI区域进行数据协调、数据增强处理；将数据增强处理后的ROI区域输入预构建的前列腺MRI图像分类模型，进而得到分类结果。本发明提升了MRI图像分类方法分类准确性以及鲁棒性。
申请人信息
- 申请人:北京航空航天大学
- 申请人地址:100083 北京市海淀区学院路37号
- 发明人: 北京航空航天大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度学习影像模型的前列腺MRI图像分类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410101922.5 |
| 申请日 | 2024/1/25 |
| 公告号 | CN117636076A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 北京航空航天大学 |
| 发明人 | 刘建刚; 赵立涛; 傅旭 |
| 地址 | 北京市海淀区学院路37号 |
专利主权项内容
1.一种基于深度学习影像模型的前列腺MRI图像分类方法，其特征在于，该方法包括：S100，获取目标对象的前列腺MRI图像，作为输入图像；所述输入图像包括T2WI图像、DWI图像和ADC图像；S200，对所述输入图像进行预处理，得到预处理图像；所述预处理包括数据去识别化、数据配准；S300，对所述预处理图像进行三维病变级别ROI提取并对提取的ROI区域进行数据协调、数据增强处理；所述数据协调包括偏置场校正、重采样、归一化；S400，将数据增强处理后的ROI区域输入预构建的前列腺MRI图像分类模型，进而得到分类结果；所述前列腺MRI图像分类模型为包含微调的三维Swin-Transformer的深度学习影像模型。