[發明專利]一種主動脈血管壁斑塊智能診斷方法在審
| 申請號： | 201911068110.0 | 申請日： | 2019-11-05 |
| 公開（公告）號： | CN110752031A | 公開（公告）日： | 2020-02-04 |
| 發明（設計）人： | 劉新;黃志煒;李曉偉;陳銘湘 | 申請（專利權）人： | 廣州互云醫院管理有限公司 |
| 主分類號： | G16H50/20 | 分類號： | G16H50/20;G06N3/08;G06N3/04;G06K9/62;A61B5/02;A61B5/00 |
| 代理公司： | 44571 東莞市匯橙知識產權代理事務所(特殊普通合伙) | 代理人： | 黎敏強 |
| 地址： | 510000 廣東省廣州*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 斑塊 主動脈血管 網絡模型 學習 磁共振成像技術 診斷 風險分類 輔助醫生 數據頻率 網絡測試 網絡訓練 訓練數據 醫療成本 原始圖像 診斷評估 智能診斷 數據處理 圖像域 篩查 成像 標準化 輸出 分類 重建 節約 網絡 | ||
1.一種主動脈血管壁斑塊智能診斷方法，其特征在于：該方法包括以下驟：
步驟一、訓練數據準備；
步驟二、深度學習網絡模型搭建；
步驟三、深度學習網絡訓練；
步驟四、深度學習網絡測試。
2.根據權利要求1所述的主動脈血管壁斑塊智能診斷方法，其特征在于：所述的訓練數據準備是利用心電圖觸發和呼吸導航的3D SPACE序列采集主動脈血管壁數據，對于數據的采集。
3.根據權利要求1所述的主動脈血管壁斑塊智能診斷方法，其特征在于：所述的深度學習網絡模型搭建是據要實現的三維高分辨磁共振血管壁成像斑塊分類的任務，搭建快速有效的深度學習網絡。
4.根據權利要求3所述的主動脈血管壁斑塊智能診斷方法，其特征在于：所述的深度學習網絡具有選擇多樣，不限于某一種網絡，網絡中包含逆傅立葉變換層，網絡內部支持K空間數據到圖像的轉換，然后從圖像域網絡對圖像進行特征提取，完成斑塊風險等級分類。
5.根據權利要啊1所述的主動脈血管壁斑塊智能診斷方法，其特征在于：所述的深度學習網絡訓練為使用數據庫的數據對網絡模型參數進行訓練，以求得到最優的網絡參數，網絡訓練輸入的是待分類的主動脈血管壁K空間數據，輸出斑塊分類的結果。
6.根據權利要求5所述的主動脈血管壁斑塊智能診斷方法，其特征在于：所述的輸出斑塊分類的結果共七個分類結果，七個分類結果分別為Ⅰ-Ⅱ、Ⅲ、Ⅵ-Ⅴ、Ⅵ、Ⅶ、Ⅷ以及無斑塊。
7.根據權利要求1所述的主動脈血管壁斑塊智能診斷方法，其特征在于：所述的深度學習網絡測試是將待測試數據輸入到訓練好的深度學習網絡模型中，可以直接輸出斑塊的風險等級，實現血管壁斑塊的風險等級分類。
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廣州互云醫院管理有限公司，未經廣州互云醫院管理有限公司許可，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/201911068110.0/1.html，轉載請聲明來源鉆瓜專利網。
