-
公开(公告)号：CN113516613A
公开(公告)日：2021-10-19
申请号：CN202010624904.7
申请日：2020-07-01
Applicant: 复旦大学
Abstract: 本发明属医学图像分析及应用技术领域，涉及一种基于多标签分类和定位网络的CT图像椎骨识别和定位的方法及用途，本方法包括，新的独立的基于残差的端到端多标签分类和定位网络处理CT图像上不同视野且可能存在金属植入物的形态相似的椎骨，在定位上使用积分回归模块，其结合基于热图表示和直接坐标回归的优点，显著地减小了椎骨的定位误差，且该定位方式可以与任何基于热图的医学图像关键点检测方法兼容，以及在分类网络上使用了多标签学习，能同时分类CT图像上所有椎骨，提高椎骨的识别率。其准确性高。本发明的基于残差的端到端多标签分类和定位网络可用于处理CT图像上不同视野且可能存在金属植入物的形态相似的椎骨。
-
公开(公告)号：CN105654450A
公开(公告)日：2016-06-08
申请号：CN201410625664.7
申请日：2014-11-09
Applicant: 复旦大学
Abstract: 本发明属MR图像分割及应用领域，涉及一种基于全局和局部区域的测地线模型进行MR图像分割和偏移场矫正的方法，本发明基于MR图像分割在医学图像分析中的至关重要性，以及MR图像灰度不均匀性使分割更为困难，噪声和偏移场导致灰度不均匀性等原因，采用基于全局和局部的符号压力函数提取图像的全局和局部信息处理灰度不均匀图像；在局部符号压力函数中加入偏移场矫正项，实现同时分割MR图像和偏移场矫正，克服偏移场造成的灰度不均匀性；将模型由二项水平集扩展到四项水平集，实现脑MR图像灰质、白质和脑脊液的准确分割。本方法应用在合成图像和MR图像中，分割结果表明其具有显著的准确性和高效性。
-
公开(公告)号：CN114305473B
公开(公告)日：2025-02-07
申请号：CN202210068304.6
申请日：2022-01-20
Applicant: 复旦大学
Abstract: 本发明公开了一种基于腹部CT图像和深度学习的身体成分自动测量系统。本发明系统包括CT图像上第三腰椎对应的所有轴向切片的定位模块、CT图像上第三腰椎对应轴向切片的四类骨骼肌分割模块、基于CT图像的身体成分自动测量模块。利用前两个模块训练深度学习模型定位和分割第三腰椎的四类骨骼肌，并自动计算脂肪、肌肉等身体成分的占比。本发明在临床肝硬化患者CT数据上训练验证，四类骨骼肌分割结果平均Dice达到0.9283，平均表面距离为0.6779mm。本发明利用阈值处理还能得到皮下脂肪与腹内脂肪等身体成分。本发明批量得到第三腰椎对应的身体组分用时为2‑3秒，对于临床诊断肝硬化患者并发症具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN116563409A
公开(公告)日：2023-08-08
申请号：CN202310554778.6
申请日：2023-05-17
Applicant: 复旦大学
IPC: G06T11/00 , G06T3/40 , G06N3/0455 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种多尺度空频域特征信息引导的MRI加速重建系统，包括：图像采集模块、图像加速重建模块和预测输出模块，所述图像采集模块，用于获取原始MRI图像；所述图像加速重建模块，用于对所述原始MRI图像提取特征图，对所述特征图进行能谱加权和隐式特征对齐，预测重建MRI图像；所述输出模块，用于输出所述预测重建MRI图像。本发明提出傅里叶注意力机制，在傅里叶域提取更有利于MRI重建任务的频谱特征；本发明通过隐式神经表达实现了特征对齐，从而使得来自不同网络深度的特征很好地聚合，避免了特征模糊，从而得到更好的MRI重建效果。
-
公开(公告)号：CN112419247B
公开(公告)日：2022-03-18
申请号：CN202011263480.2
申请日：2020-11-12
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/33 , G06K9/62 , G06V10/764 , G06V10/80
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于机器学习的MR图像脑肿瘤检测方法和系统。本发明中，首先对于每种模态数据，分别从横断面、冠状面和矢状面构建多个方向的灰度共生矩阵，以选取和计算更多空间关系特征；然后使用特征秩融合方式将三个方向特征有效结合，以去除冗余特征；最后将所选特征输入支持矢量机分类器进行训练；本发明考虑到不同模态图像所存在的冗余信息，使用秩融合筛选出最有区别性的特征，从而训练出鲁棒性和精确性极高的单发性转移瘤和胶质瘤分类器，有效弥补了临床现有不足，增强了医生的诊断能力。本发明方法鉴别诊断单发性转移瘤和胶质瘤的AUC值达到93.23%，能有效协助医生做出诊断。
-
公开(公告)号：CN112419247A
公开(公告)日：2021-02-26
申请号：CN202011263480.2
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于机器学习的MR图像脑肿瘤检测方法和系统。本发明中，首先对于每种模态数据，分别从横断面、冠状面和矢状面构建多个方向的灰度共生矩阵，以选取和计算更多空间关系特征；然后使用特征秩融合方式将三个方向特征有效结合，以去除冗余特征；最后将所选特征输入支持矢量机分类器进行训练；本发明考虑到不同模态图像所存在的冗余信息，使用秩融合筛选出最有区别性的特征，从而训练出鲁棒性和精确性极高的单发性转移瘤和胶质瘤分类器，有效弥补了临床现有不足，增强了医生的诊断能力。本发明方法鉴别诊断单发性转移瘤和胶质瘤的AUC值达到93.23%，能有效协助医生做出诊断。
-
公开(公告)号：CN103914823B
公开(公告)日：2017-07-11
申请号：CN201210595023.2
申请日：2012-12-31
Applicant: 复旦大学
IPC: G06T7/38
Abstract: 本发明属医学图像分析及应用领域，涉及配准立体目标图像到模板图像的方法，具体涉及基于稀疏表示的快速精确非线性配准立体医学影像的方法，本方法使用模板图像和目标图像检测的标记对应点，通过查找建立的变形场字典和对应点字典，得到稀疏组合系数，该系数能融合变形场字典的相应实例，获得目标图像的最终变形场，将目标图像配准到模板图像上。该方法在临床环境具有较好的应用，可用于神经科学中快速精确地配准大脑核磁共振图像，或者用于放射性治疗前列腺癌中精确定位前列腺的位置，且能以更快地速度实现更准确的配准。
-
公开(公告)号：CN104794684A
公开(公告)日：2015-07-22
申请号：CN201410021069.2
申请日：2014-01-17
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用领域，涉及一种用于病毒噬斑直径的自动分析方法。本方法包括:首先依据所得噬斑图像的四角区域亮度数据修正原始图像光照不均匀性，得到增强后图像；然后通过在增强后图像上手工少量标记点对噬斑和背景取样，对增强后图像进行图像色彩空间上的多线性回归预测；以回归结果将图像按像素分类为二值图像;对二值图像采取形态学闭运算平滑后，通过对连通区域的面积等属性计数和统计，实现噬斑图像自动分析。本方法操作简单，高效快速，测定精度类似于专家手工测量的结果，处理一张噬斑培养皿图像的时间不大于20秒。能有效提高实验操作人员的工作效率。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.017 seconds)
