更新时间：2026-08-18 00:04:20
已登记
详细信息
-
知识产权名称
基于人工智能的2D腹部MRI语义分割数据
-
登记编号
DIP2024000015615
-
申请人
湖州创感科技有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2024-11-14 11:25:11
详细信息
-
所属行业
制造业
-
交易状态
待交易
-
数据规模
3461
-
更新频次
按需更新
-
应用场景
基于人工智能的二维腹部MRI语义分割技术广泛应用于医学影像分析领域，尤其是在临床诊断、疾病检测、治疗规划等方面。在腹部MRI图像中，精确地分割不同的组织结构，如肝脏、肾脏、肠道等，对于医生来说是一个挑战。通过结合深度学习模型进行语义分割，可以自动化地提取腹部MRI图像中的关键区域，提高诊断的效率和精度。这项技术对于临床医学、放射学、病理学等专业领域尤其重要，能够帮助医生更快地识别病变部位，支持个性化治疗方案的制定。在医学研究领域，它可以辅助分析疾病的进展和预测治疗效果，推动医学影像智能化的发展。
-
算法规则简要说明
数据收集：在该算法中，首先收集腹部MRI数据以及相应的真实分割标签，作为模型训练和验证的基础。每个病例包括：腹部MRI数据（*.nii.gz格式文件），包含腹部MRI的原始图像数据。图像参数信息（*.json格式），用于记录MRI图像的具体参数，帮助模型更好地理解图像的特征。真实分割标签，表示不同组织或病变区域的真实标注信息，作为监督学习的目标数据。 数据预处理：在数据预处理阶段，腹部MRI数据（.nii.gz格式）首先需要处理为腹部图像数据，并进行标准化处理，包括缩放、归一化等步骤，以适应神经网络的输入要求。接着，将处理后的腹部图像数据转化为适用于训练的格式。处理过程还包括数据增强，如旋转、翻转、裁剪等，帮助模型学习更多变形的腹部图像特征，提高其泛化能力。 模型构建：使用深度学习网络进行图像的语义分割。网络输入为预处理后的图像数据，输出为对不同器官的分割标签。具体算法公式如下：F_features = Encoder_features(Processed_image)，Output_segmentation = Decoder_segmentation(F_features)。其中，Encoder_features为图像特征提取网络，Decoder_segmentation是用于生成分割标签的解码器。网络通过训练学习腹部MRI图像的关键特征，并生成对应的预测分割标签。最后使用DSC和NSD指标进行评估。
-
更新频次
按需更新
-
存证平台
浙江省知识产权区块链公共存证平台
