公开(公告)号：CN115170502A

公开(公告)日：2022-10-11

申请号：CN202210769176.8

申请日：2022-06-30

Applicant: 安徽大学

Inventor： 谭大禹 ,  姚致远 ,  戴益科 ,  周晓平 ,  花林枫 ,  丁睿 ,  苏延森 ,  郑春厚

IPC: G06T7/00 ,  G06T7/10 ,  G06T17/00 ,  G06N3/04 ,  A61B6/00

Abstract: 本发明公开了一种基于深度学习的股骨滑车宽度测量方法，包括：第一步、采集人体髌股关节CT影像，构建数据集，进行数据标注和预处理；第二步、构建MSC‑Net神经网络中的编码层、中间层、解码层以及输出模块；第三步、将数据集输入网络进行训练，并通过反向传播得到最优的模型；第四步，模型输出的预测结果，经过拼接，得到股骨三维重建模型；第五步、使用测量算法对预测结果进行数据测量，得出滑车的宽度信息。本发明能将髌股关节CT切片图，通过神经网络，快速分割股骨结构，重建三维股骨模型，并结合测量算法，测出股骨滑车的宽度，从而能减少股骨滑车宽度测量的时间，并能提高准确性和可靠性。

公开(公告)号：CN118506046A

公开(公告)日：2024-08-16

申请号：CN202311652964.X

申请日：2023-12-05

Applicant: 安徽大学

Inventor： 谭大禹 ,  丁睿 ,  苏延森 ,  郑春厚

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种面向乳腺癌组织病理学图像分类的深度神经网络方法，包括以下步骤：S1，设计模型的蓝图，并基于乳腺癌病理图像的实际情况进行优化；S2，将该优化后的模型中的Block进行轻量化处理，即将原本的卷积方式更改为深度可分离卷积；S3，在模型中添加注意力机制，筛选当前任务目标关键信息；S4，模型使用SGDM优化器，采取学习率衰减策略；S5，计算总损失函数值，优化模型的超参数。本发明所提供的组织病理学图像分类方法主要为解决组织病理学图像分辨率过高，难以充分提取特征的问题。本方法不仅可以充分提取组织病理学图像的特征信息，还将模型的参数量和计算量控制的很好，算力消耗维持在正常水准。