[发明专利]预测血管树血管路径上的血流特征的深度学习模型和系统有效
| 申请号： | 201711394462.6 | 申请日： | 2017-04-01 |
| 公开（公告）号： | CN107977709B | 公开（公告）日： | 2021-03-16 |
| 发明（设计）人： | 王昕;曹坤琳;尹游兵;李育威;武丹 | 申请（专利权）人： | 北京科亚方舟医疗科技股份有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京金信知识产权代理有限公司 11225 | 代理人： | 黄威;夏东栋 |
| 地址： | 100062 北京市东城区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种预测血管树血管路径上的血流特征的深度学习模型和系统。所述深度学习模型包括针对所述血管路径上各点设置的神经网络，接收所述血管路径上各点的影像特征、结构特征和功能特征中的至少一种作为输入，并预测所述血管路径上各点的血流特征作为输出，所述深度学习模型接收的是所述血管路径上的点序列的影像特征、结构特征和功能特征中的至少一种，输出的是所述血管路径上的所述点序列的血流特征；并且所述深度学习模型由递归神经网络建立，或者由多层神经网络与递归神经网络依序组合而成。该深度学习模型能够精确快速的预测整条血管路径上的血流特征(如血流储备分数等血流特征)，极大提高计算效率。 | ||
| 搜索关键词： | 预测 血管 路径 血流 特征 深度 学习 模型 系统 | ||
【主权项】：
一种预测血管树的血管路径上的血流特征的深度学习模型，所述深度学习模型包括针对所述血管路径上各点设置的神经网络，接收所述血管路径上各点的影像特征、结构特征和功能特征中的至少一种特征作为输入，并预测所述血管路径上各点的血流特征作为输出，其特征在于：所述深度学习模型接收的是所述血管路径上的点序列的影像特征、结构特征和功能特征中的至少一种特征，输出的是所述血管路径上的所述点序列的血流特征；并且所述深度学习模型由递归神经网络建立，或者由多层神经网络与递归神经网络依序组合而成。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京科亚方舟医疗科技股份有限公司，未经北京科亚方舟医疗科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711394462.6/，转载请声明来源钻瓜专利网。
