【技术实现步骤摘要】
本申请涉及深度学习，具体而言，涉及一种基于深度神经网络的三维医学影像分类方法及系统。
技术介绍
1、在医疗影像诊断领域，三维医学影像(如ct、mri等)已成为医疗机构诊断疾病的重要手段。然而，随着医学影像技术的不断发展，影像数据的复杂性和多样性显著增加，传统的影像分析方法已难以满足高效、准确诊断的需求。特别是对于可逆病变及其潜在进展为不可逆病变的风险评估，需要更加精细和智能的分析技术。
2、传统的医学影像分析方法主要依赖于医疗机构的经验判断，不仅耗时耗力，而且容易受到主观因素的影响，导致诊断结果的准确性和一致性难以保证。
技术实现思路
1、有鉴于此，本申请的目的在于提供一种基于深度神经网络的三维医学影像分类方法及系统。
2、依据本申请的第一方面，提供一种基于深度神经网络的三维医学影像分类方法，所述方法包括：
3、获取目标三维医学影像对应的异常影像特征序列；所述异常影像特征序列包括所述目标三维医学影像出现的可逆病变对应的病变定位区域、病变定位时刻；
...【技术保护点】
1.一种基于深度神经网络的三维医学影像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度神经网络的三维医学影像分类方法，其特征在于，所述方法还包括：
3.根据权利要求1或2所述的基于深度神经网络的三维医学影像分类方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的基于深度神经网络的三维医学影像分类方法，其特征在于，所述依据所述异常影像特征序列中各个病变定位区域和对应的病变定位时刻，对病变定位区域进行预测，获得所述目标三维医学影像对应的初始可逆病变标签和病变持续参数，包括：
5.根据权利要求1所...
【技术特征摘要】
1.一种基于深度神经网络的三维医学影像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度神经网络的三维医学影像分类方法，其特征在于，所述方法还包括：
3.根据权利要求1或2所述的基于深度神经网络的三维医学影像分类方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的基于深度神经网络的三维医学影像分类方法，其特征在于，所述依据所述异常影像特征序列中各个病变定位区域和对应的病变定位时刻，对病变定位区域进行预测，获得所述目标三维医学影像对应的初始可逆病变标签和病变持续参数，包括：
5.根据权利要求1所述的基于深度神经网络的三维医学影像分类方法，其特征在于，所述从各个初始可逆病变标签中确定目标可逆病变标签，依据病变持续参数对各个目标可逆病变标签进行排列，输出所述目标三维医学影像对应的可逆病变进展矢量，包括：
6.根据权利要求1所述的基于深度神经...
【专利技术属性】
技术研发人员：妥培发，邱俊达，邱峰，
申请(专利权)人：上海博豪信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。