深度学习技术在脑出血血肿分割与影像特征分析中的应用
2025-02-11 16:26
No.1338909013278203904
技术概要
PDF全文
本系统专注于医学图像处理,通过深度学习技术实现脑出血血肿的自动分割和影像特征提取。它解决了传统计算机断层扫描中逐层分析的局限性,并提高了图像处理的效率和准确性。
背景技术
计算机断层扫描(Computed Tomography,CT)是脑出血诊断的金标准,因为CT可以快速区分缺血性和出血性中风,从而在手术前发现脑出血。在溶栓治疗前排除脑出血也是最常规的筛查方法,因为它排除了其他具有临床卒中样发作的颅内疾病。脑出血检查的关键要求之一是快速诊断。更快的诊断导致更快的治疗,从而获得更好的结果。研究表明,脑出血影像学标志物可为此提供疾病进展信息,辅助预测影响预后因素的发生。 血肿扩大是指患者基线CT与随访CT之间视觉上可辨别的血肿体积变化,并且血肿相关研究对血肿体积增长的评估各不相同。早期血肿扩大不仅是增加患者死亡风险的独立预测因素,而且会加重神经功能的损伤,造成不可逆转的后果。更严重的是,超过75%的患者会出现严重残疾或者是死亡。然而,目前还没有可靠的工具来预测急性脑出血患者的HE。 因此,目前计算机断层扫描时对不同层面的切片进行逐层分解的同时难以实现对图像进行特征提取的问题。
实现思路
阅读余下40%
技术概要为部分技术内容,查看PDF获取完整资料
该技术已申请专利,如用于商业用途,请联系技术所有人!
技术研发人员:
庞春颖  周苇锟  石乐民  李佳  李晶怡  张健宇  马圣哲  敖邦琪  赵家星  李燕  唐锦杰
技术所属: 长春理工大学
相关技术
中药表单信息发送方法、装置、电子设备和可读介质 中药表单信息发送方法、装置、电子设备和可读介质
一种博物馆展品互动AR体验方法及系统 一种博物馆展品互动AR体验方法及系统
人体异常行为检测方法、装置、电子设备及存储介质 人体异常行为检测方法、装置、电子设备及存储介质
医学图像的处理方法、电子设备和存储介质 医学图像的处理方法、电子设备和存储介质
基于计算机视觉的矿下钻机钻杆计数方法 基于计算机视觉的矿下钻机钻杆计数方法
基于人工智能的视频检测方法 基于人工智能的视频检测方法
一种高压输电网的闪放电监测方法 一种高压输电网的闪放电监测方法
虚拟模型的摆放方法及装置 虚拟模型的摆放方法及装置
医学图像的分割方法和计算机可读存储介质 医学图像的分割方法和计算机可读存储介质
图像生成方法及装置、电子设备和存储介质 图像生成方法及装置、电子设备和存储介质
技术分类
电信、广播电视和卫星传输服务 电信、广播电视和卫星传输服务
互联网软件服务 互联网软件服务
集成电路设计 集成电路设计
信息集成数字服务 信息集成数字服务
电气机械制造 电气机械制造
计算机、通信、电子设备制造 计算机、通信、电子设备制造
医药制造、生物基材料 医药制造、生物基材料
石油煤矿化学用品加工 石油煤矿化学用品加工
化学原料制品加工 化学原料制品加工
非金属矿物加工 非金属矿物加工
金属制品加工 金属制品加工
专用设备制造 专用设备制造
通用设备制造 通用设备制造
通用零部件制造 通用零部件制造
汽车制造业 汽车制造业
铁路、船舶、航天设备制造 铁路、船舶、航天设备制造
电力、热力生产和供应 电力、热力生产和供应
燃气生产和供应 燃气生产和供应
水生产和供应 水生产和供应
房屋建筑、土木工程 房屋建筑、土木工程
交通运输、仓储和邮政 交通运输、仓储和邮政
农、林、牧、渔业 农、林、牧、渔业
采矿业 采矿业
农副、食品加工 农副、食品加工
烟草、酒水加工 烟草、酒水加工
纺织皮具居家制品 纺织皮具居家制品
文教体娱加工 文教体娱加工
苏ICP备18062519号-5 © 2018-2025 【123技术园】 版权所有,并保留所有权利