公开(公告)号：CN108805209A

公开(公告)日：2018-11-13

申请号：CN201810611520.4

申请日：2018-06-14

Applicant: 清华大学深圳研究生院

Inventor： 袁克虹 ,  袁麓

IPC: G06K9/62 ,  G06N3/04

CPC classification number: G06K9/6267 ,  G06K2209/053 ,  G06N3/0454

Abstract: 本发明公开了一种基于深度学习的肺结节筛查方法，包括以下几个步骤：S1、对肺部CT影像进行预处理，提取出肺部实质部分；S2、利用肺部结节检测网络对预处理后的肺部CT影像进行检测，检测肺部结节的位置，得到肺部结节候选区位置；S3、对上述结节候选区位置区域进行进一步分类，利用深度学习分类网络筛选出真实结节区域；S4、利用深度学习分类网络对上述真实结节区域进行结节恶性程度分级。上述肺结节筛查方法，针对CT图像进行肺部结节检测，判别目标结节恶性程度，大大地降低了医生的工作负担，提高了医生的诊断效率。

公开(公告)号：CN108805209B

公开(公告)日：2021-11-19

申请号：CN201810611520.4

申请日：2018-06-14

Applicant: 清华大学深圳研究生院

Inventor： 袁克虹 ,  袁麓

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的肺结节筛查方法，包括以下几个步骤：S1、对肺部CT影像进行预处理，提取出肺部实质部分；S2、利用肺部结节检测网络对预处理后的肺部CT影像进行检测，检测肺部结节的位置，得到肺部结节候选区位置；S3、对上述结节候选区位置区域进行进一步分类，利用深度学习分类网络筛选出真实结节区域；S4、利用深度学习分类网络对上述真实结节区域进行结节恶性程度分级。上述肺结节筛查方法，针对CT图像进行肺部结节检测，判别目标结节恶性程度，大大地降低了医生的工作负担，提高了医生的诊断效率。

公开(公告)号：CN107193919A

公开(公告)日：2017-09-22

申请号：CN201710340142.6

申请日：2017-05-15

Applicant: 清华大学深圳研究生院

Inventor： 袁克虹 ,  张生泽 ,  范宏伟 ,  张学龄 ,  袁麓

IPC: G06F17/30 ,  G06F19/00 ,  G06N3/08

CPC classification number: G06F16/434 ,  G06N3/08

Abstract: 本发明公开了一种电子病历的检索方法，包括以下步骤：S1，对电子病历数据库中每一份电子病历，计算电子病历内容特征，所述内容特征包括图像特征；S2，对待检索电子病历，提取其相应的内容特征；S3，根据内容特征，计算待检索电子病历与电子病历数据库中各个电子病历的相似度值；S4，根据步骤S3中得到的待检索电子病历与各个电子病历的相似度值，取最相似的前N份电子病历，作为检索结果；N为由用户或者管理员设定的正整数。本发明的电子病历的检索方法及系统，具有较高的检索准确率和检索效率。