基于TI-RADS多任务神经网络的甲状腺结节良恶性分类方法

被引：0

专利类型：

发明

申请号：

CN202111642526.6

申请日：

2021-12-29

公开(公告)号：

CN114494687B

公开(公告)日：

2025-11-07

发明(设计)人：

董于杰卫建华范军俊高志熙安俊杰阎东军韩晓红张巍刘剑王亮侯祥敏王庆伟张云仙

申请人：

山西清众科技股份有限公司

申请人地址：

030006 山西省太原市综改示范区太原学府园区南中环街529号清控创新基地A座7层

IPC主分类号：

G06V10/25

IPC分类号：

G06V10/764 G06V10/82 G06T5/70 G06T5/20 G06N3/0464 G06N3/096

代理机构：

太原高欣科创专利代理事务所(普通合伙) 14109

代理人：

崔浩;冷锦超

法律状态：

授权

国省代码：

山西省太原市

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2025-11-07	授权	授权

共 50 条

[1]

基于TI-RADS多任务神经网络的甲状腺结节良恶性分类方法 [P].

董于杰 ;

卫建华 ;

范军俊 ;

高志熙 ;

安俊杰 ;

阎东军 ;

韩晓红 ;

张巍 ;

刘剑 ;

王亮 ;

侯祥敏 ;

王庆伟 ;

张云仙 .

中国专利 :CN114494687A ,2022-05-13

[2]

基于双路三维卷积神经网络的磨玻璃结节良恶性分类方法 [P].

邵小南 ;

牛荣 ;

邵晓梁 ;

史云梅 ;

王跃涛 .

中国专利 :CN112749755A ,2021-05-04

[3]

一种甲状腺的结节TI-RADS分级系统及方法 [P].

杜强 ;

严亚飞 ;

王伟 ;

刘贻豪 ;

佟文娟 ;

郭雨晨 ;

聂方兴 ;

唐超 .

中国专利 :CN112819755A ,2021-05-18

[4]

基于深度卷积神经网络自动识别甲状腺结节良恶性的辅助诊断系统 [P].

孔德兴 ;

吴法 ;

马金连 .

中国专利 :CN106056595B ,2016-10-26

[5]

基于3D卷积神经网络与深度学习的肺结节良恶性分类方法 [P].

唐雯 ;

张荣国 ;

王少康 ;

陈宽 .

中国专利 :CN108389201A ,2018-08-10

[6]

基于卷积神经网络的肺结节良恶性预测方法 [P].

田捷 ;

沈伟 ;

杨凤 ;

杨彩云 .

中国专利 :CN104700118A ,2015-06-10

[7]

自动诊断甲状腺结节良恶性的方法及装置 [P].

杜强 ;

严亚飞 ;

郭雨晨 ;

聂方兴 ;

唐超 ;

张兴 .

中国专利 :CN112820399A ,2021-05-18

[8]

基于多级加权神经网络的甲状腺结节定位方法 [P].

赵星 ;

赵婉君 ;

石一磊 ;

牟立超 ;

朱晓香 ;

张雷 ;

朱精强 .

中国专利 :CN114494216B ,2025-05-13

[9]

基于多级加权神经网络的甲状腺结节定位方法 [P].

赵星 ;

赵婉君 ;

石一磊 ;

牟立超 ;

朱晓香 ;

张雷 ;

朱精强 .

中国专利 :CN114494216A ,2022-05-13

[10]

基于自监督对比主动学习的甲状腺结节良恶性分类方法 [P].

杨家胜 ;

王金金 ;

王兵 ;

肖旭 ;

钟锐 ;

陈文锦 ;

宁子壕 .

中国专利 :CN120088566A ,2025-06-03

← 1 2 3 4 5 →