-
公开(公告)号：CN112967778B
公开(公告)日：2024-02-02
申请号：CN202110287375.0
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Inventor： 于泽宽 , 周锟 , 耿道颖 , 吴兴旺 , 王乐 , 韩方凯 , 刘晓 , 陈卫强 , 李强 , 王侠 , 刘学玲 , 吕锟 , 王容 , 杜鹏 , 文剑波 , 韩秋月 , 张海燕 , 杜成娟 , 王娜 , 李璇璇 , 吴昊 , 耿岩 , 李郁欣 , 张军 , 尹波 , 曹鑫
IPC: G16H20/10 , G16H30/20 , G16H30/40 , G16H50/20 , G06T7/00 , G06T7/11 , G06V10/44 , G06V10/74 , G06V10/764 , G06N20/20
Abstract: 时间，具有更好的临床实用性。本发明提供了一种基于机器学习的炎症性肠病精准用药方法及系统，涉及医学图像处理技术领域，该方法包括：步骤S1：获取炎症性肠病能谱CT数据并对能谱CT数据进行预处理，制作病情活动度‑用药标签数据集；步骤S2：对预处理后的能谱CT数据进行病灶区域分割；步骤S3：将炎症性肠病病灶区域ROIIBD进行影像组学特征提取；
-
公开(公告)号：CN112907563A
公开(公告)日：2021-06-04
申请号：CN202110286102.4
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Inventor： 于泽宽 , 耿道颖 , 陈泓亦 , 陆青青 , 刘学玲 , 吕锟 , 王容 , 杜鹏 , 文剑波 , 韩秋月 , 张海燕 , 杜成娟 , 王娜 , 李璇璇 , 吴昊 , 耿岩 , 张军 , 尹波 , 李郁欣 , 王俊杰 , 陈卫强 , 李强 , 张顺 , 曹鑫
Abstract: 本发明提供了一种基于深度学习的CTA全自动侧枝循环评分方法及系统，涉及医学图像处理技术领域，该方法包括：步骤S1：对大脑CTA图像进行掩模和归一化的预处理；步骤S2：对CTA图像进行脑区划分，获取相关解剖图谱以及功能图谱，获取加权大脑各脑区掩模图；步骤S3：对掩模与归一化后的CTA图像进行血管分割；步骤S4：基于血管分割结果量化计算评分特征；步骤S5：基于卷积神经网络测量血管壁厚度的评分特征；步骤S6：构建多标签评分分类模型，对计算得到的特征向量进行分类评分。本发明能够实现基于血流代偿途径的侧枝循环血管分级机制，并提高小血管的分割精度，还能使得评分策略具有更广泛的适用范围与更客观的评价阈值。
-
公开(公告)号：CN112101523A
公开(公告)日：2020-12-18
申请号：CN202010857268.2
申请日：2020-08-24
Applicant: 复旦大学附属华山医院
Inventor： 耿道颖 , 于泽宽 , 陈泓亦 , 张军 , 尹波 , 李郁欣 , 吴昊 , 曹鑫 , 张海燕 , 胡斌 , 潘嘉炜 , 鲍奕仿 , 周书怡 , 陆怡平 , 耿辰 , 夏威 , 杨丽琴
Abstract: 本发明提供了一种基于深度学习的CBCT图像跨模态预测CTA图像的卒中风险筛查方法和系统，包括：步骤1：构建循环对抗性生成网络模型；步骤2：通过CBCT图像及其对应的造影图像数据训练循环对抗性生成网络模型；步骤3：将测试图像输入至已训练好的循环对抗性生成网络模型，生成血管造影CT图像；步骤4：根据血管造影CT图像中颈动脉的形态、颈动脉狭窄程度及弯曲度预测卒中风险。本发明基于深度学习模型，将非增强CBCT图像转换为增强CT血管造影图像，进行颈动脉血管分割提取，量化计算颈动脉狭窄程度和弯曲度，进而预测脑卒中风险，为临床获取CTA图像及诊断提供了一种便捷、经济、高效的新途径。
-
公开(公告)号：CN111612754A
公开(公告)日：2020-09-01
申请号：CN202010413904.2
申请日：2020-05-15
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于多模态图像融合的MRI肿瘤优化分割方法及系统，包括：步骤1：构建MRI肿瘤多模态图像融合的网络；步骤2：构建用于增强肿瘤图像分割的多模态3D网络；步骤3：基于GAN的图像融合，构建显著性损失函数；步骤4：构建Mask注意机制对比度损失函数；步骤5：构建SSIM损失函数；步骤6：根据MRI肿瘤多模态图像融合的网络、多模态3D网络和三个损失函数进行MRI肿瘤优化分割。本发明当训练深层架构时，一个剩余单位会有所帮助；利用递归残差卷积层进行特征积累，为分割任务提供了更好的特征表示；为医学图像分割设计了具有相同网络参数、性能较好的U-NET体系结构。
-
公开(公告)号：CN109125743A
公开(公告)日：2019-01-04
申请号：CN201811260041.9
申请日：2018-10-26
Applicant: 复旦大学附属华山医院
CPC classification number: A61K49/0002 , A61K49/0039 , A61K49/0054 , A61K49/0056 , A61K49/126 , A61K49/14
Abstract: 本发明涉及一种针对脑胶质母细胞瘤靶向纳米磁共振对比剂及制备、应用；所述磁共振对比剂由具有靶向结合功能的小分子、荧光标记物和磁性氧化铁纳米载体组成；所述的具有靶向结合功能的小分子为针对脑胶质母细胞瘤细胞表面高表达的EGFRvIII具有亲和力的短肽；所述荧光标记物以共价连接的方式包载在纳米载体表面，短肽通过共价连接方式与纳米粒表面的聚乙二醇相连。该对比剂可通过静脉注射，使得短肽与肿瘤细胞表面高表达的EGFRvIII结合，促进纳米载体在肿瘤部位浓聚，有助于临床提高治疗的精确性和安全性，为肿瘤放化疗的疗效评价和患者预后的评估提高无创性可视化手段。
-
Patent Agency Ranking
公开(公告)号：CN105497922A
公开(公告)日：2016-04-20
申请号：CN201410499261.2
申请日：2014-09-25
Applicant: 复旦大学附属华山医院
IPC: A61K49/12 , A61K49/14 , A61K49/18 , A61K49/00 , A61K47/04 , A61K47/42 , A61K47/48 , A61K9/51 , A61P25/08
Abstract: 本发明公开了一种针对脑癫痫灶的靶向纳米磁共振对比剂及其制备与应用，所述磁共振对比剂包括靶向功能分子，荧光标记物和纳米载体；所述的靶向功能分子为针对癫痫灶区高表达的P-糖蛋白具有高亲和力的短肽；所述荧光标记物以共价连接的方式包载在纳米载体内，短肽通过共价连接的方式与纳米粒表面的聚乙二醇相连。该对比剂可通过静脉注射，使得短肽与癫痫灶区高表达的P-糖蛋白结合，促进纳米载体在癫痫灶聚集，MRI T2加权显像病灶区呈显著低信号，从而能够准确、直观显示特发性/隐源性癫痫灶，有助于临床提高治疗的精确性和安全性，评价抗癫痫治疗方式的疗效、评估癫痫患者的预后。
-
公开(公告)号：CN113223699B
公开(公告)日：2024-10-18
申请号：CN202110355578.9
申请日：2021-04-01
Applicant: 复旦大学附属华山医院
IPC: G16H50/70 , G16H50/20 , G16H30/40 , G06V10/764 , G06V10/77 , G06V10/82 , G06V10/26 , G06N3/045 , G06N3/0499 , G06T7/00 , G06T7/73 , A61B34/10
Abstract: 本发明提供了一种构建腰椎骨量减少和骨质疏松筛查模型的方法和系统，包括：步骤1：从双平面成像设备中采集影像数据，获取冠、矢状面影像数据及体检信息并进行预处理；步骤2：对冠、矢状面影像进行椎体分割，得到分割结果；步骤3：根据分割结果和体检信息，构成特征集合；步骤4：基于特征集合进行腰椎骨量减少和骨质疏松筛查模型构建。本发明利用常规体检指标及冠、矢状面影像信息，进行腰椎骨量减少和骨质疏松疾病的筛查，在降低辐射量的同时，为今后快速准确地筛查具有高OP疾病风险的人群提供了理论和实践依据，具有很大的实际应用价值。
-
公开(公告)号：CN113571203B
公开(公告)日：2024-01-26
申请号：CN202110813710.6
申请日：2021-07-19
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种多中心基于联邦学习的脑肿瘤预后生存期预测方法及系统，利用多中心的多模态脑肿瘤影像及其组学信息，患者临床病历信息等多尺度信息进行脑肿瘤预后生存期预测，提出了一种基于主动学习与强化学习的多中心联邦学习机制。本发明通过各中心分布式存储的患者电子病历信息联合影像组学特征与深度学习特征建立全面的脑肿瘤预后生存期分类模型，在保证患者图像数据隐私的基础上实现可靠
-
公开(公告)号：CN112600625B
公开(公告)日：2022-09-23
申请号：CN202011422333.5
申请日：2020-12-08
Applicant: 复旦大学
IPC: H04B10/64 , H04B10/50 , G01S17/14 , G01S7/4861 , G01S7/4865
Abstract: 本发明提供一种测距通信一体的空间激光外差相干混合域联合接收解调处理模块及方法，采用所述模块的装置。提供的接收解调处理模块包括：自适应均衡子模块，所述自适应均衡子模块包括线性均衡器与判决反馈均衡器；时钟数据恢复单元，与所述自适应均衡子模块输出端相连，用于从输入的串行数据流中提取出恢复时钟信号并且恢复出数据；串并转换与帧同步译码器，与所述时钟数据恢复单元相连；用于完成数据流的串并转换，并进行帧同步译码，最后输出所需解调数据；本地时钟单元，接收相干载波恢复模块输入的参考时钟，同步产生所述接收解调所需本地时钟信号，并输出至时钟数据恢复单元和测距单元；测距单元，与所述时钟数据恢复单元及本地时钟单元相连。
-
公开(公告)号：CN113571203A
公开(公告)日：2021-10-29
申请号：CN202110813710.6
申请日：2021-07-19
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种多中心基于联邦学习的脑肿瘤预后生存期预测方法及系统，利用多中心的多模态脑肿瘤影像及其组学信息，患者临床病历信息等多尺度信息进行脑肿瘤预后生存期预测，提出了一种基于主动学习与强化学习的多中心联邦学习机制。本发明通过各中心分布式存储的患者电子病历信息联合影像组学特征与深度学习特征建立全面的脑肿瘤预后生存期分类模型，在保证患者图像数据隐私的基础上实现可靠的、准确度更高的脑肿瘤预后生存期预测系统。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.023 seconds)
