-
公开(公告)号：CN108665454A
公开(公告)日：2018-10-16
申请号：CN201810445939.7
申请日：2018-05-11
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种内镜图像智能分类及不规则病变区域检测方法。本发明使用人工智能的方法，将显著性检测应用于内镜图像的分类和不规则病变区域的检测。把资深医生标注的内镜图像作为训练样本，输入到显著性检测网络模型，使网络模型学习到不规则的显著性区域，即病变区域。实验结果表明，本发明能够学习到资深医生的诊断经验，较准确地把内镜图像分为病变图像和正常图像，同时检测出不规则的病变区域，为医生提供参考，以提高诊断的准确率。
-
公开(公告)号：CN115018767B
公开(公告)日：2025-05-06
申请号：CN202210477177.5
申请日：2022-05-03
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/044 , G06N3/088 , G06N3/094 , G06V10/764 , G06V10/26 , G06V10/774 , G06V10/82
Abstract: 本发明属于医学图像处理技术领域，具体为一种跨模态内镜图像转换及病灶区域分割方法。本发明通过构建的基于本征表示学习的神经网络，将消化道内窥镜白光图像转换成高质量的窄带图像；使用无监督训练的本质特征提取器获取白光图像的本质特征，通过空洞空间卷积池化金字塔网络进行病灶区域的预测，得到病灶区域的分割结果；测试时，待测白光图像只需要和一张辅助的窄带图像经过一次前向传播，即可获得白光图像对应的窄带图像。本方法采用无监督学习方式，拥有很好的泛化性，在不同内窥镜设备上效果优异。本发明能够为白光内窥镜设备提供额外的窄带成像，为医生诊断提供更好的参考，基于窄带图像辅助的病灶区域分割能够自动定位病灶区域，从而大大提高疾病诊断效率，降低发病率和死亡率。
-
公开(公告)号：CN119564302A
公开(公告)日：2025-03-07
申请号：CN202411751174.1
申请日：2024-12-02
Applicant: 复旦大学附属中山医院
IPC: A61B17/34
Abstract: 本发明提供了一种固定组件及使用方法，其中固定组件包括穿刺管针、推送杆、固定锚结构和叉结构，所述穿刺管针开设有通道内腔；所述固定锚结构包括固定锚和牵拉绳，所述固定锚的侧面连接有牵拉绳，所述牵拉绳能够内嵌在所述固定锚的侧面和所述推送杆的侧面，并且牵拉绳的尾端位于所述推送杆远离所述固定锚的一侧，所述固定锚在所述推送杆推动下穿过所述通道内腔；所述叉结构与所述牵拉绳的尾端连接，所述牵拉绳被所述叉结构卷绕，防止被解除扭转的结肠段恢复扭转的发生，降低患者医疗负担。
-
公开(公告)号：CN119361145A
公开(公告)日：2025-01-24
申请号：CN202411380252.1
申请日：2024-09-30
Applicant: 复旦大学附属中山医院
IPC: G16H50/30 , C12Q1/6886 , G16H50/70 , G06F18/27 , G06F18/2431 , G16B40/00 , G06N20/00
Abstract: 本申请涉及生物医学领域，公开了一种基于内镜下活检样本的分子特征预测结直肠肿瘤黏膜下深浸润可能性的模型的构建方法、系统、试剂盒以及应用该构建方法的电子设备和存储有计算机程序代码的计算机可读介质。该构建方法包括获取多个自变量，对多个自变量进行筛选和数据处理，并在回归模型训练过程中进一步筛选有效自变量，减少自变量的数量，同时通过相关性分析获得自变量之间的关系，采用具有替换关系的自变量进行替换和组合，得到多个预测模型。本申请的预测模型使用较少的有效自变量就可以获得较好的预测结果，预测效率高、适用范围广、成本低。
-
公开(公告)号：CN114848166A
公开(公告)日：2022-08-05
申请号：CN202210373996.5
申请日：2022-04-11
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及医疗器械领域，特别涉及一种内镜下全层切除术中腹腔排气组合装置。包括猪尾巴管、扩皮装置及排气装置，排气装置为箱体结构，排气装置箱体内部设有U形内压强计、防倒吸瓶及排气瓶，防倒吸瓶与排气瓶相互连通，排气瓶与外部连通，防倒吸瓶顶部外接猪尾巴管以实现排气；操作时先沿着穿刺针进行扩皮，扩皮器成功扩皮，拔出穿刺针并将猪尾巴管置入扩皮器，后拔出扩皮器，连通猪尾巴管与软管接口，若观察排气瓶中气泡产生即说明排气成功。本发明解决了针头损伤内脏器官、气孔易堵以及排气量无法控制的问题。
-
Patent Agency Ranking
公开(公告)号：CN112884777A
公开(公告)日：2021-06-01
申请号：CN202110090738.1
申请日：2021-01-22
Applicant: 复旦大学
Abstract: 本发明属于医学图像智能处理技术领域，具体为一种基于自采样相似的多模态协作食管癌病变图像分割系统。针对早期食管癌诊断，首先构建配对的白光图像和NBI数据集；所述分割系统包括特征提取编码器、自采样相似特征分离模块、特征融合解码器；以白光图像和NBI作为多模态输入，由两个编码器分别提取两种模态的特征；对于每一种模态，自采样相似特征分离模块将病变区域特征与正常区域给予有效区分；解码器在特征域完成多模态特征融合，最终输出两种模态图像的病变分割结果。实验结果表明，本发明可以合理融合不同模态的特征，显著区分病变区域与正常区域，实现病变区域的精准分割，提高临床诊断的效率。
-
公开(公告)号：CN115018767A
公开(公告)日：2022-09-06
申请号：CN202210477177.5
申请日：2022-05-03
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/11 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/26 , G06V10/774
Abstract: 本发明属于医学图像处理技术领域，具体为一种跨模态内镜图像转换及病灶区域分割方法。本发明通过构建的基于本征表示学习的神经网络，将消化道内窥镜白光图像转换成高质量的窄带图像；使用无监督训练的本质特征提取器获取白光图像的本质特征，通过空洞空间卷积池化金字塔网络进行病灶区域的预测，得到病灶区域的分割结果；测试时，待测白光图像只需要和一张辅助的窄带图像经过一次前向传播，即可获得白光图像对应的窄带图像。本方法采用无监督学习方式，拥有很好的泛化性，在不同内窥镜设备上效果优异。本发明能够为白光内窥镜设备提供额外的窄带成像，为医生诊断提供更好的参考，基于窄带图像辅助的病灶区域分割能够自动定位病灶区域，从而大大提高疾病诊断效率，降低发病率和死亡率。
-
公开(公告)号：CN108921854B
公开(公告)日：2022-06-21
申请号：CN201810496495.X
申请日：2018-05-22
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为一种消化道内镜图像不规则病变区域标注方法及系统。本发明方法包括：选择目标文件夹，获取文件夹下图像的文件名；自动生成输出路径；初始化图像掩膜；裁剪图像和掩膜并记录裁剪位置；标注病变区域，更新掩膜；根据掩膜生成边框；保存裁剪后的图像、裁剪位置、掩膜和病变区域的边框。所述系统主要包括裁剪和标注两个功能，医生可以剪掉内镜图像中对训练深度神经网络有负面影响的部分、用曲线在内镜图像中勾勒出不规则病变区域，系统自动保存裁剪的图像、位置、掩膜、病变区域的边框，提高标注效率。
-
公开(公告)号：CN114359628A
公开(公告)日：2022-04-15
申请号：CN202111537613.5
申请日：2021-12-15
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于医疗图像处理技术领域，具体为一种利用相邻帧时空信息的食管内镜视频帧序列质量分类的算法。本发明算法包括：构建用于视频帧序列预测算法的卷积神经网络模型，包括内容特征提取子网络、运动特征提取子网络，参考两种特征的信息，最后通过全连接子网络给出中间帧的视频质量分数；进行数据的收集与模型的训练，当训练的目标函数降低至某可接受阈值，即可认为网络收敛；最后，将连续三帧图像输入到训练好的网络模型中，得到中间帧的质量分类；实验结果表明，本发明算法的质量分类的准确性超过85％，对于临床食管内镜的诊断与质量控制，具有很强的应用价值。
-
公开(公告)号：CN114298975A
公开(公告)日：2022-04-08
申请号：CN202111486801.X
申请日：2021-12-07
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于PyQt5的食管内镜图像序列的质量标注工具。本发明包括五个模块：文件夹选择与打开模块、图像质量标记模块、训练样本生成模块、显示模块与切换控制模块；五个模块协同工作，共同完成文件夹内食管内镜图像序列的质量高与低的标注。本发明可以辅助医生完成对某个文件夹内的食管内镜图像序列进行质量评判的标注工作。食道内镜图片质量分为高质量或者低质量，由医生根据临床经验进行相应的判断。本发明工具操作简单，步骤清晰，直接生成神经网路训练所需要的数据对，适用于各种需要对医疗图像序列(不限于食管内镜)进行质量高低标注的场合。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.017 seconds)
