-
公开(公告)号：CN114937171A
公开(公告)日：2022-08-23
申请号：CN202210513470.2
申请日：2022-05-11
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
IPC: G06V10/764 , G06V10/80 , G06V10/26 , G06V10/40 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00
Abstract: 本发明提供了一种基于深度学习的阿尔茨海默分类系统，包括：模块M1：获取AD多模态数据并进行预处理，得到预处理后的AD多模态数据；模块M2：将预处理后的AD多模态数据按照预设比例分为训练集及测试集；模块M3：构建联合网络模型，包括MAM U‑net分割网络和T‑DenseNet分类网络；模块M4：利用训练集训练联合模型直至损失函数收敛，得到训练后的联合模型；模块M5：利用测试集通过训练后的联合模型进行预测，并根据预测结果和预设标注信息计算准确率，如果准确率未达到预设要求，则重复触发模块M4至模块M5直至准确率达到预设要求。
-
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。
-
公开(公告)号：CN112967778A
公开(公告)日：2021-06-15
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 , G06K9/46 , G06K9/62 , G06N20/20
Abstract: 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；构建迁移模型；步骤S4：获得炎症性肠病无创用药评估模型。本发明能够帮助指导IBD患者的治疗方案选择，评估预后，进而缩短IBD患者的治疗时间，具有更好的临床实用性。
-
公开(公告)号：CN112365980A
公开(公告)日：2021-02-12
申请号：CN202011279154.0
申请日：2020-11-16
Applicant: 复旦大学附属华山医院
IPC: G16H50/30 , G06T7/00 , G06T7/11 , G06T7/45 , G06T7/62 , G06K9/32 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种脑肿瘤多靶点辅助诊断与前瞻性治疗演化可视化方法及系统，包括：获取治疗前、后配对的脑肿瘤多靶点多模态MRI数据并进行预处理；对预处理后治疗前、后配对的脑肿瘤多靶点多模态MRI数据通过3DU‑net卷积神经网络进行肿瘤区域分割得到 和将 和 通过影像组学方法获得生长特征标签L＝{l1,l2,l3,...,ln}；将 和 通过多通道卷积神经网络进行特征提取再进行SE融合操作，得到深度学习特征和 将 输入预测模型，得到脑肿瘤多靶点生长预测标签 将 和输入训练后的前瞻性治疗可视化模型，得到最终的脑肿瘤感兴趣区域生长演化图像，将脑肿瘤感兴趣区域生长演化图像插入非脑肿瘤区域Ibackground中，完成脑肿瘤前瞻性治疗可视化任务；本发明具有更好的临床实用性。
-
公开(公告)号：CN111667478A
公开(公告)日：2020-09-15
申请号：CN202010523637.4
申请日：2020-06-10
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于CTA到MRA跨模态预测的颈动脉斑块识别方法，包括以下步骤：数据收集步骤：收集配对的颈动脉CTA和MRA图像数据；斑块分割及模型训练步骤：先进行CTA和MRA颈动脉管腔的定位，然后进行颈动脉斑块的分割，获得CTA和MRA的斑块区域图像，将CTA和MRA的斑块区域图像送到pix2pix或者cycle-GAN网络进行训练，获得初步训练后的模型。本发明设计完整、新颖的算法流程，使用改进的深度学习Multiplan-net算法对CTA图像上的颈动脉管腔、斑块进行自动分割，在此基础上设计优化的对抗生成网络进行CTA数据扩增，从而进一步提高分割精度。
-
Patent Agency Ranking
公开(公告)号：CN119405277A
公开(公告)日：2025-02-11
申请号：CN202411609221.9
申请日：2024-11-12
Applicant: 复旦大学
IPC: A61B5/00 , A61B5/11 , A61B5/388 , A61B5/145 , A61B5/055 , G16H10/20 , G16H50/30 , G06V20/40 , G06V40/20
Abstract: 本发明提供了一种基于多模态信息的CIPN信息融合方法及系统，包括：评估待测人员的主观问卷；根据待测人员的行走视频评估行走速度和步态；评估待测人员的手指精细运动技能；评估待测人员的神经传导速度；评估待测人员的大脑功能；评估待测人员的大脑结构；根据主观问卷、行走速度和步态、手指精细运动技能、神经传导速度、大脑功能和大脑结构，构建信息融合。相较于传统的NCI‑CTCAE分级系统和EORTC QLQ‑CIPN20问卷，本发明克服了主观性和重复性问题，提高了诊断准确性和治疗效果。
-
公开(公告)号：CN112365980B
公开(公告)日：2024-03-01
申请号：CN202011279154.0
申请日：2020-11-16
Applicant: 复旦大学附属华山医院
IPC: G16H50/30 , G06T7/00 , G06T7/11 , G06T7/45 , G06T7/62 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0442
Abstract: 视化任务；本发明具有更好的临床实用性。本发明提供了一种脑肿瘤多靶点辅助诊断与前瞻性治疗演化可视化方法及系统，包括：获取治疗前、后配对的脑肿瘤多靶点多模态MRI数据并进行预处理；对预处理后治疗前、后配对的脑肿瘤多靶点多模态MRI数据通过3DU‑net卷积神经网络进行肿瘤区域分割得到 和将 和 通过影像组学方法获得生长特征标签L＝{l1,l2,l3,...,ln}；将 和通过多通道卷积神经网络进行特征提取再进行SE融合操作，得到深度学习特征 和将 输入预测模型，得到脑肿瘤多靶点生长预测标签 将 和输入训练后的前瞻性治疗可视化(56)对比文件CN 111445946 A,2020.07.24CN 111584073 A,2020.08.25CN 111599464 A,2020.08.28EP 3576020 A1,2019.12.04KR 20200114228 A,2020.10.07US 2017357844 A1,2017.12.14US 2020160997 A1,2020.05.21WO 2020028382 A1,2020.02.06WO 2020190821 A1,2020.09.24王锦程;郁芸;杨坤;胡新华.基于BP神经网络的脑肿瘤MRI图像分割.生物医学工程研究.2016,(第04期),Liu,X.BTSC-TNAS: A neuralarchitecture search-based transformer forbrain tumor segmentation andclassification.COMPUTERIZED MEDICALIMAGING AND GRAPHICS.2023,110.王锦程;郁芸;杨坤;胡新华.基于BP神经网络的脑肿瘤MRI图像分割.生物医学工程研究.2016,(第04期),76-79.
-
公开(公告)号：CN114209278B
公开(公告)日：2023-08-25
申请号：CN202111528116.9
申请日：2021-12-14
Applicant: 复旦大学
Abstract: 本发明提供一种基于光学相干层析成像的深度学习皮肤病诊断系统，由图像采集单元采用OCT成像系统对被检测皮肤区域进行三维的OCT图像成像，实现非侵入地汲取皮肤深层信息数据；其次由图像预处理单元对原始三维OCT图像进行降噪和增强的预处理，消除OCT成像固有的斑点噪声问题以及低采样率的限制问题，提高图像的分辨率；然后由特征提取单元基于预处理后的OCT图像提取皮肤解剖学和皮肤微血管的特征，经由深度学习诊断单元的深度学习诊断模型进行深度特征提取以及特征融合，从而检测出对应的皮肤患病信息；该诊断系统提高了皮肤病诊断的准确性，降低了对医生诊断经验和水平的依赖，在无需病理活检的情况下使得潜在的皮肤疾病能够被及早被发现确诊和治疗。
-
公开(公告)号：CN115619794A
公开(公告)日：2023-01-17
申请号：CN202210513459.6
申请日：2022-05-11
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
Abstract: 本发明提供了一种基于神经网络的原发性肝细胞癌病灶分割系统及方法，包括：模块M1：获取肝脏多期相CT数据并进行预处理，得到预处理后的肝脏多期相CT数据；模块M2：将预处理后的肝脏多期相CT数据通过第一个预训练的多通道卷积神经网络进行肝脏分割，得到肝脏区域的多期相CT数据；模块M3：将肝脏区域的多期相CT数据通过第二个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶筛查，获得含有原发性肝细胞癌病灶的多期相CT数据；模块M4：将含有原发性肝细胞癌病灶的多期相CT数据通过第三个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶分割，得到原发性肝细胞癌病灶多期相分割结果。
-
公开(公告)号：CN114984457A
公开(公告)日：2022-09-02
申请号：CN202210539954.4
申请日：2022-05-17
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
IPC: A61N5/06 , A61B5/055 , A61B5/00 , A61B3/12 , A61B3/14 , G06T7/00 , G06T7/11 , G06N3/04 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/25 , G06V10/40
Abstract: 本发明提供了一种基于脑功能网络的患者光刺激参数选择方法及系统，获取并预处理脑小血管病患者脑部弥散张量模态数据和静息态功能模态数据；基于预处理后的静息态功能模态数据，进行统计分析获取多个不同的全局网络属性和多条连接权重有差异的连边；对预处理后的脑部弥散张量模态数据运用卷积神经网络进行海马体区域分割，将图像所包含的信息进行量化获取多个影像组学特征；将获取的全局网络属性、连接权重有差异的连边与影像组学特征融合构成特征矩阵，构建多个基础分类器并运用集成学习进行训练，最后输出向量。本发明实现CSVD光刺激参数的自动化选择，克服临床上采用的复杂评分带来的诸多局限。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.018 seconds)
