-
公开(公告)号：CN109191425B
公开(公告)日：2022-02-11
申请号：CN201810815480.5
申请日：2018-07-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种医学影像分析方法，包括：获取目标区域的造影视频和二维视频；基于所述二维视频，对所述造影视频进行配准，以补偿呼吸运动引起的偏差；构建神经网络模型，所述神经网络模型包括输入层、隐含层和输出层，其中，所述输入层和隐含层各包括卷积层、激活层和池化层，以及所述输出层包括全连接层；利用经配准的造影视频对所述神经网络模型进行训练，以生成经配准的造影视频的特征向量，其中，对经配准的造影视频进行数据增益和正则项约束；计算所述特征向量的预测权重，并选择预测权重高于权重阈值的特征向量，用于构建预测诊断模型。
-
公开(公告)号：CN109166103B
公开(公告)日：2021-02-05
申请号：CN201810851316.X
申请日：2018-07-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于多层感知网络的激发荧光断层成像方法，该方法包括如下步骤：S1、生成训练样本；S2、设置无网格标准化模型，将训练样本映射到无网格标准化模型中；S3、根据无网格标准化模型构建激发荧光断层成像的多层感知网络，多层感知网络包括输入层、隐含层和输出层；S4、根据输出层的输出结果对无网格标准化模型进行训练；以及S5、将生物体的数据输入训练后的无网格标准化模型，获得所述生物体的重建图像。
-
公开(公告)号：CN110420026A
公开(公告)日：2019-11-08
申请号：CN201910637247.7
申请日：2019-07-15
Applicant: 中国科学院自动化研究所
IPC: A61B5/05
Abstract: 本发明属于磁粒子成像领域，具体涉及一种基于FFL的磁粒子成像三维立体重建方法、系统、装置，旨在为了解决基于FFL的磁粒子分布三维图像准确度较低的问题。本发明方法包括：获取基于FFL对被扫描目标进行三维扫描过程中感应线圈的电流信号数据；基于所述电流信号数据，通过预设的核函数进行反卷积，得到二维图像数据集合；所述核函数为增加L2正则化约束的阶跃函数；基于所述二维图像数据集合，采用维纳滤波反卷积算法获取初始三维图像；基于初始三维图像，通过郎之万函数进行反卷积，并通过雷登变换获取最终三维图像。本发明提高了所重建的三维图像中磁粒子定位准确度。
-
公开(公告)号：CN106097437B
公开(公告)日：2019-03-15
申请号：CN201610417527.3
申请日：2016-06-14
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于纯光学系统的生物自发光三维成像方法，所述方法包括以下步骤：获取目标对象多个角度的二维白光图像和二维荧光图像及二维白光标记点分布；重建目标对象的三维表面结构；网格剖分得到匀质体模型；对标志物的三维坐标配准得到旋转中轴线与光心外法向量间的距离偏差；将二维荧光图像荧光信号映射到匀质体模型中，得到荧光表面光强信息；建立光子在目标对象内部的扩散传输模型；建立优化目标函数并求解得到目标对象内部的最优光强分布，进而得到生物自发荧光的发光光源分布，即生物自发荧光成像结果。本发明能有效地应用于目标体全身生理代谢的研究，重建效率高且适用于成像系统性能较低或者实验环境较差的情况。
-
公开(公告)号：CN109447185A
公开(公告)日：2019-03-08
申请号：CN201811441094.0
申请日：2018-11-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于深度学习的显微荧光图像分类方法，该方法包括如下步骤：利用不同肿瘤细胞系构建生物体肿瘤模型；对生物体肿瘤模型静脉注射吲哚菁绿，切除肿瘤做冰冻切片；利用荧光显微镜采集冰冻切片的显微荧光图像；预处理显微荧光图像；搭建卷积神经网络；利用卷积神经网络实现显微荧光图像的分类。本发明提出的基于深度学习的肝癌显微荧光图像分类方法，无需对冰冻切片做复杂的染色操作，因此可以减免染色过程带来的时间和金钱成本。
-
Patent Agency Ranking
公开(公告)号：CN108451508A
公开(公告)日：2018-08-28
申请号：CN201810407969.9
申请日：2018-04-28
Applicant: 中国科学院自动化研究所
IPC: A61B5/00
Abstract: 本公开提供了一种基于多层感知机的生物自发荧光三维成像方法，包括：步骤1：使用蒙特卡洛仿真生成训练样本集；步骤2：构建多层感知机，所述多层感知机包括输入层，隐含层和输出层；步骤3：模型训练，利用步骤1所生成的训练样本集对步骤2所构建的多层感知机及其权重进行模型训练；以及步骤4：实际在体重建，将步骤3训练好的模型及权重保存，利用步骤2所构建的多层感知机，重建得到实际在体的体内生物自发荧光光源分布结果。该方法基于统计学习的机器学习理论，提出了利用蒙特卡洛仿真生成感知机仿真训练样本，并扩充仿真训练样本，从而加大了多层感知机的训练规模，提高了多层感知机的重建能力和生物自发荧光三维成像的重建精度。
-
公开(公告)号：CN103690244A
公开(公告)日：2014-04-02
申请号：CN201310723609.7
申请日：2013-12-24
Applicant: 中国科学院自动化研究所
Abstract: 一种光声与X射线断层成像融合的成像系统，该系统包括数据源发射设备，用于分别发射X射线和激发光光源对样本进行照射；数据采集设备，用于通过X射线探测器探测经过样本的X射线剂量，以及通过光声探测器接收样本激发出的光声信号；控制及数据传输设备，用于控制滚筒的旋转，以针对滚筒内的样本使数据采集设备采集不同角度的投影数据；数据处理设备，用于对数据采集设备采集到的各模态数据进行处理。本发明能够实现光声成像和X射线断层成像（CT）的双模快速成像，能快速地得到成像样品的生物信息。
-
公开(公告)号：CN110974166B
公开(公告)日：2021-03-12
申请号：CN201911259864.4
申请日：2019-12-10
Applicant: 中国科学院自动化研究所
IPC: A61B5/00
Abstract: 本发明属于数字图像领域，具体涉及一种基于K近邻局部连接网络的光学断层成像方法、系统，旨在为了解决现有FMT成像的重建精度和成像速度不能兼顾的问题。本发明包括：利用蒙特卡洛仿真构建第一样本；利用第一样本，通过样本组合的方式实现训练样本集的扩充；对所搭建的K近邻局部连接网络，利用训练样本集训练，利用残差学习优化局部连接子网络；利用训练好的K近邻局部连接网络进行基于目标物外表荧光图像进行内部光源重建。本发明基于数据驱动的神经网络方法，直接学习光子在生物体内部的逆向传播过程，实现了准确而快速的激发荧光断层成像。
-
公开(公告)号：CN110367983B
公开(公告)日：2020-09-22
申请号：CN201910637709.5
申请日：2019-07-15
Applicant: 中国科学院自动化研究所
IPC: A61B5/05
Abstract: 本发明属于磁粒子成像领域，具体涉及一种基于无磁场线扫描的磁粒子成像系统，旨在为了解决磁粒子成像系统灵敏度、分辨率不能满足需求的问题。本系统包括磁体组、感应线圈、成像床、控制与成像装置，磁体组包括两对轴线正交设置环形磁体对、一个圆筒形磁体；环形磁体对中两个环形磁体共轴；圆筒形磁体设置于两对环形磁体的包围空间，其轴线过两对环形磁体对的轴线正交点，且垂直于两对环形磁体对的轴线构成的平面；所述控制与成像装置，用于按照设定的控制指令控制磁体组中各磁体的磁场变化，实现所产生的无磁场线转动和/或平移，并依据感应磁场在感应线圈中产生的电流信号进行磁性粒子成像。本发明提高了磁粒子定位的精准度，提高了的分辨率。
-
公开(公告)号：CN109191564A
公开(公告)日：2019-01-11
申请号：CN201810852675.7
申请日：2018-07-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于深度学习的激发荧光断层成像三维重建方法，该方法包括如下步骤：S1、生成训练样本；S2、设置深度学习模型，构建深度学习模型包括图片信息编码阶段、图片信息融合阶段和三维重建阶段；以及S3、对深度学习模型进行训练，将生物体的数据输入训练后的深度学习模型，获得生物体的三维重建图像。本发明以统计学习为基础，训练得到光子传播的前向以及逆向过程，提高了生物激发荧光计算机断层扫描三维重建的精度以及速度。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.036 seconds)
