[發明專利]用于AI+MRI影像輔助診斷的自動增廣訓練樣本的構建方法及系統在審
| 申請號: | 201810005912.6 | 申請日: | 2018-01-03 |
| 公開(公告)號: | CN108324244A | 公開(公告)日: | 2018-07-27 |
| 發明(設計)人: | 汪紅志;杜小霞;楊麗琴 | 申請(專利權)人: | 華東師范大學 |
| 主分類號: | A61B5/00 | 分類號: | A61B5/00;A61B5/055 |
| 代理公司: | 上海麥其知識產權代理事務所(普通合伙) 31257 | 代理人: | 董紅曼 |
| 地址: | 200062 上*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 訓練樣本 典型疾病 定量信息 輔助診斷 圖像庫 標準圖像 部位組織 樣本訓練 構建 權重 圖像 人工智能 定量成像 化學參數 患病個體 人工標注 生理參數 數學模型 物理參數 診斷圖像 正常個體 算法 體素 成像 送入 樣本 分析 | ||
1.一種用于AI+MRI影像輔助診斷的自動增廣訓練樣本的構建方法,其特征在于,包括以下步驟:
S01:通過臨床MRI設備的定量成像技術,獲得患病個體的典型疾病的部位組織以及正常個體相應部位組織體素的物理參數、化學參數和生理參數的定量信息圖像庫;
S02:將所述定量信息圖像庫作為輸入,通過成像方法的數學模型,計算得到包括各個斷面各種權重特征的MRI標準圖像和典型疾病圖像;
S03:將所述步驟S01獲得的定量信息圖像庫,或所述步驟S02獲得的包括各個斷面各種權重特征的MRI標準圖像和典型疾病圖像送入AI算法,作為訓練樣本。
2.根據權利要求1所述的用于AI+MRI影像輔助診斷的自動增廣訓練樣本的構建方法,其特征在于,所述步驟S01中,所述定量成像技術包括以下一種或多種:
T1mapping技術,用于獲得每個體素的T1信息;
T2mapping技術,用于獲得每個體素的T2信息;
T2*mapping技術,用于獲得每個體素的T2*信息;
QSM技術,用于獲得每個體素的宏觀磁化率信息;
DFF mapping技術,用于獲得每個體素的質子密度脂肪含量信息;
MT技術,用于獲得每個體素大分子含量信息
CEST技術,用于獲得蛋白質、多肽含量信息;
MRS技術,用于獲得每個體素化學位移及頻率偏移信息;
FQ技術,用于獲得血管流速信息;
QPI技術,用于獲得每個體素灌注信息;
QDI技術,用于獲得每個體素擴散信息;
動態對比增強成像成像技術,用于獲得每個體素的毛細管內血液轉移常數,血漿體積分數和組織細胞外空間的體積分數;和
動態磁敏感性對比成像技術,用于獲得每個體素內的血容量,血流量,平均通過時間信息。
3.根據權利要求1所述的用于AI+MRI影像輔助診斷的自動增廣訓練樣本的構建方法,其特征在于,所述物理參數包括權重T1、權重T2、權重T2*、質子密度信息;所述化學參數包括:化學位移、宏觀磁化率、質子密度脂肪含量,化學位移及頻率偏移信息;所述生理參數包括:灌注、擴散、血流流速、血容量、血漿體積分數、血流量、細胞膜通透性信息。
4.根據權利要求1所述的用于AI+MRI影像輔助診斷的自動增廣訓練樣本的構建方法,其特征在于,所述步驟S02中包括:對體素的各種物理參數、化學參數和生理參數,根據所需圖像權重和種類的不同,采用不同的數學模型,對逐個體素進行計算,得到每個像素點的灰度信息,形成不同權重特征的MRI標準圖像和典型疾病圖像。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于華東師范大學,未經華東師范大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810005912.6/1.html,轉載請聲明來源鉆瓜專利網。





