龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：国创育成医疗器械发展(深圳)有限公司
摘要：本申请属于图像成像技术领域，特别是涉及一种深度学习预估方法及其应用。当前新冠CT影响诊断技术依赖单幅图像，需要放剂师从CT序列图像中选定单幅图像来完成诊断估计，占用大量放剂师时间；对于单个病人而言，多帧连续的CT图像对于疾病诊断比单幅图像的容错率高。本申请提供了一种深度学习预估方法，包括：对症状数据和图像数据进行预处理；对症状特征和图像特征进行融合；对融合后的数据进行通道特征提取；设计损失函数；采用Adam优化算法来优化；根据病人数据集构造配对作为网络输入；训练网络，得到深度学习预估方法。结合病人的症状信息可以提高准确率，同时病人的症状信息在临床中可以快速获取。
主权项：1.一种深度学习预估方法，其特征在于：所述方法包括如下步骤：步骤1：对症状数据和图像数据进行预处理；步骤2：对症状特征和图像特征进行融合；步骤3：对融合后的数据进行通道特征提取；步骤4：设计损失函数，通过设计损失函数完成预测的数据结果和真实的数据结果之间的误差度量；步骤5：采用Adam优化算法来优化步骤4中的损失函数，完成网络模型的参数更新；步骤6：根据病人数据集构造配对作为网络输入；步骤7：训练网络，得到深度学习预估方法；所述步骤2中采用症状信息融合单元完成图像特征和症状特征的融合；所述症状信息融合单元包括若干症状信息融合模块，所述症状信息融合模块级联在一起，所述症状信息融合模块采用残差连接，其中，所述症状融合模块将症状特征融合到图像特征中，公式表示为：FCA＝SigmoidHcaSigmoidFe*Fc其中，Hca表示为卷积操作，Sigmoid表示激活函数将数值映射到0-1之间，‘*’表示点乘操作，Fe表示图像特征映射到通道特征，Fc表示症状编码经过卷积操作映射为通道特征；所述步骤3中采用预测模块中的通道平均化池化和通道最大化池化完成通道特征提取，将临床症状作为先验知识，通过症状信息融合模块加入到图像特征当中，再利用预测模块，完成对病人的诊断估计和临床分型估计。
全文数据：
权利要求：
百度查询： 国创育成医疗器械发展(深圳)有限公司 一种深度学习预估方法及其应用
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号