-
公开(公告)号：CN119423837A
公开(公告)日：2025-02-14
申请号：CN202411431629.1
申请日：2024-10-14
Applicant: 上海交通大学医学院附属新华医院 , 复旦大学
Abstract: 本发明提供一种超声影像重建及影像引导采集方法、装置、系统及终端，通过首先激发换能器产生单角度平面波超声照射前列腺获取超声RF信号。随后，基于前列腺的医学影像与这些超声RF信号，重建出静态流超声仿真图像与实时超声图像，并据此生成精确的引导控制指令。这些指令能引导换能器移动至最佳成像位置，随后释放脉冲激光照射前列腺，从而捕获光声RF信号。基于所采集的光声RF信号，进一步重建出光声影像，并将这些信号妥善储存。本发明通过设计的实时影像引导功能实现对前列腺可视化适形超声辐照，确保了超声和光声RF信号的精确采集，进而显著提升了超声和光声影像的重建准确度，还辅助提高了智能化判别患者前列腺炎症程度的准确度，使治疗效率大大提升。
-
公开(公告)号：CN113706492A
公开(公告)日：2021-11-26
申请号：CN202110960219.6
申请日：2021-08-20
Applicant: 复旦大学
Abstract: 本发明提供一种基于胸部CT影像的肺实质自动分割方法，由于采用了自动种子点提取方法来提取种子点，采用了区域生长方法以及孔洞填充方法来提取得到胸腔轮廓，采用了面积阈值方法来去除两个连通域中的气管区域，从而得到肺实质区域，进一步地，还将得到的肺实质区域以及对应的胸部CT影像作为一一对应的标签和图像，组成训练集，基于该训练集进行分割网络的训练，得到训练好的肺实质分割网格模型，用于后续从新的胸部CT影像中提取肺实质区域，因此，该方法能够自动获取分割标签，不再需要人工进行标注，减少了人工工作量，提高了效率，并且获取的分割标签具有较高的一致性。
-
Patent Agency Ranking
公开(公告)号：CN113706492B
公开(公告)日：2024-09-13
申请号：CN202110960219.6
申请日：2021-08-20
Applicant: 复旦大学
Abstract: 本发明提供一种基于胸部CT影像的肺实质自动分割方法，由于采用了自动种子点提取方法来提取种子点，采用了区域生长方法以及孔洞填充方法来提取得到胸腔轮廓，采用了面积阈值方法来去除两个连通域中的气管区域，从而得到肺实质区域，进一步地，还将得到的肺实质区域以及对应的胸部CT影像作为一一对应的标签和图像，组成训练集，基于该训练集进行分割网络的训练，得到训练好的肺实质分割网格模型，用于后续从新的胸部CT影像中提取肺实质区域，因此，该方法能够自动获取分割标签，不再需要人工进行标注，减少了人工工作量，提高了效率，并且获取的分割标签具有较高的一致性。
-
公开(公告)号：CN105787966B
公开(公告)日：2019-05-31
申请号：CN201610157571.5
申请日：2016-03-21
Applicant: 复旦大学
Abstract: 本发明属于计算机图像处理技术领域，具体涉及一种计算机图像的美学评估方法。本发明是一种基于对象区域构图特征的图像美学评估方法，其步骤为：利用BING方法检测图像对象，对BING方法得到的候选框进行聚类并优化，从而得到图像对象区域；然后针对图像对象区域利用构图特征进行美学评估，其中，对画面构图相关特征进行了整合和改进，提高了美学评估的性能。本发明方法能够对计算机图像进行有效的美学评估。
-
公开(公告)号：CN119524334A
公开(公告)日：2025-02-28
申请号：CN202411431619.8
申请日：2024-10-14
Applicant: 上海交通大学医学院附属新华医院 , 复旦大学
Abstract: 本发明提供一种前列腺炎超声药物治疗规划系统、方法及终端，通过从采集的光声RF信号提取多元前列腺炎症判别特征张量，再根据多元前列腺炎症判别特征张量判别前列腺是否有炎性以及炎性程度。一旦判定存在炎症，系统会立即生成炎症程度的判别结果，并依据此结果与特征张量，定制个性化炎症治疗方案。本发明通过算法提取光声RF信号中的特征张量，再基于构建的判别网络和决策网络，能够实现对患者前列腺炎症程度的精准智能化评估，且个性化地输出超声‑药物协同治疗规划方案，旨在最大化药物疗效，从而有效缩短治疗周期。
-
公开(公告)号：CN113947679A
公开(公告)日：2022-01-18
申请号：CN202111038446.X
申请日：2021-09-06
Applicant: 复旦大学
Abstract: 本发明提供一种应用于分割网络的图像与标签非对称标准化方法，定义了非对称标准化方法，并以减少整个样本组的平均欧式距离为目标，对该非对称标准化方法的关键参数进行了优化，因此，使用该非对称标准化方法对原始图像以及原始标签图像进行非对称标准化处理后，组成的样本组平均距离减少，也就是样本之间的相似度更高，从而在对分割网络进行训练时，能够使得分割网络的收敛速度更快，并且能够提升最终的分割网络的精度。本发明的应用于分割网络的图像与标签非对称标准化方法为各类医学影像的分割提供了可靠且更好的图像预处理方法。
-
公开(公告)号：CN105787966A
公开(公告)日：2016-07-20
申请号：CN201610157571.5
申请日：2016-03-21
Applicant: 复旦大学
IPC: G06T7/40
Abstract: 本发明属于计算机图像处理技术领域，具体涉及一种计算机图像的美学评估方法。本发明是一种基于对象区域构图特征的图像美学评估方法，其步骤为：利用BING方法检测图像对象，对BING方法得到的候选框进行聚类并优化，从而得到图像对象区域；然后针对图像对象区域利用构图特征进行美学评估，其中，对画面构图相关特征进行了整合和改进，提高了美学评估的性能。本发明方法能够对计算机图像进行有效的美学评估。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
