Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国科学院苏州生物医学工程技术研究所刘兆邦获国家专利权

中国科学院苏州生物医学工程技术研究所刘兆邦获国家专利权

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!

龙图腾网获悉中国科学院苏州生物医学工程技术研究所申请的专利基于PET-CT的胰腺癌与自身性免疫性胰腺炎自动辅助诊断方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116228690B

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310096370.9,技术领域涉及:G06T7/00;该发明授权基于PET-CT的胰腺癌与自身性免疫性胰腺炎自动辅助诊断方法是由刘兆邦;魏文婷;王恒;郑健;杨晓冬设计研发完成,并于2023-02-10向国家知识产权局提交的专利申请。

基于PET-CT的胰腺癌与自身性免疫性胰腺炎自动辅助诊断方法在说明书摘要公布了:本发明公开一种基于PET‑CT的胰腺癌与自身性免疫性胰腺炎自动辅助诊断方法,其包括步骤:分别对PET图像和CT图像进行图像预处理;基于Faster‑Rcnn算法,通过在Resnet50的残差网络中引入注意力机制模块,加入FPN网络构成特征金字塔网络,以及使用ROIAlign替换ROIPooling层,构建改进型检测网络,对经过图像预处理的PET图像和CT图像分别进行目标检测,输出病灶检测结果的18F‑FDGPETCT图像;构建混合分类模型,对18F‑FDGPETCT图像进行影像组学特征提取和深度学习特征提取、多模态特征融合、多域特征融合、特征关联性分析,输出病灶分类结果。本发明通过设计改进型检测网络、设计多模态特征融合,实现病灶检测和疾病分类全自动化,不需要医生进行干预。

本发明授权基于PET-CT的胰腺癌与自身性免疫性胰腺炎自动辅助诊断方法在权利要求书中公布了:1.一种基于PET-CT的胰腺癌与自身性免疫性胰腺炎自动辅助诊断方法,其特征在于,其包括以下步骤: 分别对PET图像和CT图像进行图像预处理; 基于Faster-Rcnn算法,通过在Resnet50的残差网络中引入注意力机制模块,加入FPN网络构成特征金字塔网络,以及使用ROIAlign替换ROIPooling层,构建改进型检测网络,对经过图像预处理的所述PET图像和所述CT图像分别进行目标检测,输出病灶检测结果的18F-FDGPETCT图像; 构建混合分类模型,对所述18F-FDGPETCT图像进行影像组学特征提取和深度学习特征提取,将所述影像组学特征和所述深度学习特征分别进行多模态特征融合、多域特征融合、特征关联性分析,输出病灶分类结果; 其中,所述构建混合分类模型,包括以下步骤: 利用python中Pyradiomics开源代码提取影像组学特征;利用VGG11网络提取深度学习特征,搭建双分支网络模型,同时对预处理后的PET图像和CT图像分别进行网络训练; 将所述影像组学特征中的CT图像特征和PET图像特征在全连接层进行特征融合、将所述深度学习特征中的CT图像特征和PET图像特征进行多尺度特征融合、将所述影像组学特征和所述深度学习特征在全连接层多域特征融合,形成了18F-FDGPETCT的多模态特征; 设置第一分类预测模型、第二分类预测模型和第三分类预测模型,所述第一分类预测模型用于对所述影像组学特征中提取的CT图像特征和PET图像特征进行分类,所述第二分类预测模型通过VGG11网络分别提取CT图像和PET图像的高级语义特征进行分类,所述第三分类预测模型用于对所述18F-FDGPETCT的多域特征进行分类。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国科学院苏州生物医学工程技术研究所,其通讯地址为:215163 江苏省苏州市高新区科技城科灵路88号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。