-
公开(公告)号：CN112967219B
公开(公告)日：2023-12-05
申请号：CN202110287374.6
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于深度学习网络的二阶段牙体点云补全方法及系统，涉及医学图像处理技术领域，该方法包含：第一部分为基于CBCT数据与口扫数据构建初始点云数据，主要利用第三方软件Mimics对患者的CBCT数据进行三维重建，将生成的CBCT重建三维牙模型点云数据再与激光扫描点云数据配准，得到三维牙体模型点云数据作为金标准；第二部分为训练深度学习网络MSN，并将第一部分中构建的激光扫描点云数据输入到已经训练好的深度学习网络MSN中，MSN补全网络会对输入点云进行两阶段处理。在第一阶段，MSN网络先预测一个完整但粗粒度的点云；在第二阶段，通过采样算法与残差连接将粗粒度预测点云与输入点云融合，得到均匀分布的细粒度(56)对比文件张雅玲，于泽宽.基于GCNN的CBCT模拟口扫点云数据牙齿分割算法.计算机辅助设计与图形学学报.2020,全文.郭闯;戴宁;田素坤;孙玉春;俞青;刘浩;程筱胜.高分辨率深度生成网络的缺失牙体形态设计.中国图象图形学报.2020,(第10期),全文.
-
公开(公告)号：CN113436155A
公开(公告)日：2021-09-24
申请号：CN202110668377.4
申请日：2021-06-16
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于深度学习的超声臂丛神经图像识别方法，涉及超声图像智能识别技术领域，该方法包括：获取多例超声神经图像数据并进行预处理，构建训练神经网络模型所需的带有标签的超声图像数据集；将超声图像数据集按照8:2的比例分为训练集和测试集，将训练集中的超声图像进行扩充和特征增强；构建挤压‑注意力机制模块SA加到传统卷积中；在V‑net网络中引入挤压激励模块和注意力机制模块从而构建SA V‑net网络模型并进行训练；载入训练好的SA V‑net网络模型，输入测试集进行预测得到识别结果，并根据标签计算Dice系数。本发明能够帮助临床医生快速准确的定位需要进行神经阻滞的区域，帮助使得患者在术中更加平稳，术后恢复更快，具有更好的临床实用性。
-
公开(公告)号：CN112907563A
公开(公告)日：2021-06-04
申请号：CN202110286102.4
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Inventor： 于泽宽 , 耿道颖 , 陈泓亦 , 陆青青 , 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 , 张军 , 尹波 , 李郁欣 , 王俊杰 , 陈卫强 , 李强 , 张顺 , 曹鑫
Abstract: 本发明提供了一种基于深度学习的CTA全自动侧枝循环评分方法及系统，涉及医学图像处理技术领域，该方法包括：步骤S1：对大脑CTA图像进行掩模和归一化的预处理；步骤S2：对CTA图像进行脑区划分，获取相关解剖图谱以及功能图谱，获取加权大脑各脑区掩模图；步骤S3：对掩模与归一化后的CTA图像进行血管分割；步骤S4：基于血管分割结果量化计算评分特征；步骤S5：基于卷积神经网络测量血管壁厚度的评分特征；步骤S6：构建多标签评分分类模型，对计算得到的特征向量进行分类评分。本发明能够实现基于血流代偿途径的侧枝循环血管分级机制，并提高小血管的分割精度，还能使得评分策略具有更广泛的适用范围与更客观的评价阈值。
-
公开(公告)号：CN112101523A
公开(公告)日：2020-12-18
申请号：CN202010857268.2
申请日：2020-08-24
Applicant: 复旦大学附属华山医院
Inventor： 耿道颖 , 于泽宽 , 陈泓亦 , 张军 , 尹波 , 李郁欣 , 吴昊 , 曹鑫 , 张海燕 , 胡斌 , 潘嘉炜 , 鲍奕仿 , 周书怡 , 陆怡平 , 耿辰 , 夏威 , 杨丽琴
Abstract: 本发明提供了一种基于深度学习的CBCT图像跨模态预测CTA图像的卒中风险筛查方法和系统，包括：步骤1：构建循环对抗性生成网络模型；步骤2：通过CBCT图像及其对应的造影图像数据训练循环对抗性生成网络模型；步骤3：将测试图像输入至已训练好的循环对抗性生成网络模型，生成血管造影CT图像；步骤4：根据血管造影CT图像中颈动脉的形态、颈动脉狭窄程度及弯曲度预测卒中风险。本发明基于深度学习模型，将非增强CBCT图像转换为增强CT血管造影图像，进行颈动脉血管分割提取，量化计算颈动脉狭窄程度和弯曲度，进而预测脑卒中风险，为临床获取CTA图像及诊断提供了一种便捷、经济、高效的新途径。
-
公开(公告)号：CN111612754A
公开(公告)日：2020-09-01
申请号：CN202010413904.2
申请日：2020-05-15
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于多模态图像融合的MRI肿瘤优化分割方法及系统，包括：步骤1：构建MRI肿瘤多模态图像融合的网络；步骤2：构建用于增强肿瘤图像分割的多模态3D网络；步骤3：基于GAN的图像融合，构建显著性损失函数；步骤4：构建Mask注意机制对比度损失函数；步骤5：构建SSIM损失函数；步骤6：根据MRI肿瘤多模态图像融合的网络、多模态3D网络和三个损失函数进行MRI肿瘤优化分割。本发明当训练深层架构时，一个剩余单位会有所帮助；利用递归残差卷积层进行特征积累，为分割任务提供了更好的特征表示；为医学图像分割设计了具有相同网络参数、性能较好的U-NET体系结构。
-
Patent Agency Ranking
-
公开(公告)号：CN112907563B
公开(公告)日：2023-12-01
申请号：CN202110286102.4
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Inventor： 于泽宽 , 耿道颖 , 陈泓亦 , 陆青青 , 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 , 张军 , 尹波 , 李郁欣 , 王俊杰 , 陈卫强 , 李强 , 张顺 , 曹鑫
Abstract: 本发明提供了一种基于深度学习的CTA全自动侧枝循环评分方法及系统，涉及医学图像处理技术领域，该方法包括：步骤S1：对大脑CTA图像进行掩模和归一化的预处理；步骤S2：对CTA图像进行脑区划分，获取相关解剖图谱以及功能图谱，获取加权大脑各脑区掩模图；步骤S3：对掩模与归一化后的CTA图像进行血管分割；步骤S4：基于血管分割结果量化计算评分特征；步骤S5：基于卷积神经网络测量血管壁厚度的评分特征；步骤S6：构建多标签评分分类模型，对计算得到的特征向量进行分类评分。本发明能够实现基于血流代偿途径的侧枝循环血管分级机制，并提高小血管的分割精度，还能使得评分策略具有更广泛(56)对比文件刘国玮.基于深度学习的脑部CTA图像血管分割方法研究《.中国优秀硕士学位论文全文数据库（信息科技辑）》.2020,(第03期),全文.Rahil Shahzad et.al.Fully automateddetection and segmentation ofintracranial aneurysms in subarachnoidhemorrhage on CTA using deep learning.《nature》.2020,全文.吴秋雯等.基于深度学习的计算机体层摄影血管造影颈动脉斑块分割初步研究《.上海医学》.2020,第43卷(第05期),280-283.
-
公开(公告)号：CN113223699A
公开(公告)日：2021-08-06
申请号：CN202110355578.9
申请日：2021-04-01
Applicant: 复旦大学附属华山医院
IPC: G16H50/20 , G16H30/20 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/11 , G06T7/73 , A61B34/10
Abstract: 本发明提供了一种构建腰椎骨量减少和骨质疏松筛查模型的方法和系统，包括：步骤1：从双平面成像设备中采集影像数据，获取冠、矢状面影像数据及体检信息并进行预处理；步骤2：对冠、矢状面影像进行椎体分割，得到分割结果；步骤3：根据分割结果和体检信息，构成特征集合；步骤4：基于特征集合进行腰椎骨量减少和骨质疏松筛查模型构建。本发明利用常规体检指标及冠、矢状面影像信息，进行腰椎骨量减少和骨质疏松疾病的筛查，在降低辐射量的同时，为今后快速准确地筛查具有高OP疾病风险的人群提供了理论和实践依据，具有很大的实际应用价值。
-
公开(公告)号：CN111815766A
公开(公告)日：2020-10-23
申请号：CN202010738507.2
申请日：2020-07-28
Applicant: 复旦大学附属华山医院
Abstract: 本发明公开了一种基于2D-DSA图像重建血管三维模型处理方法，其包括以下步骤：步骤S1：采集基于正位和侧位两个角度的2D-DSA图像，基于所采集的2D-DSA图像构建稀疏血管点云；步骤S2：基于构建的稀疏血管点云预处理获得点云片和标准结果，将获得的点云片和标准结果以及已知的颅内血管数据集作为训练集输入PU-GCN深度学习网络对其进行训练，获得训练好的PU-GCN深度学习网络；步骤S3：将待重建2D-DSA图像基于步骤S1获得待重建稀疏点云，将待重建稀疏点云输入训练好的PU-GCN深度学习网络中输出得到待重建稠密点云，基于待重建稠密点云获得血管三维模型。此外，本发明还公开了一种处理系统。
-
公开(公告)号：CN111612762A
公开(公告)日：2020-09-01
申请号：CN202010430630.8
申请日：2020-05-20
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种MRI脑肿瘤图像生成方法及系统，包括：步骤1：构建图像融合对抗生成的GAN网络；步骤2：构建重建图像内容的泊松方程插入算法；步骤3：根据所述图像融合对抗生成的GAN网络和重建图像内容的泊松方程插入算法对输入的3D核磁共振图像进行图像融合生成，将基于GAN网络的MRI图像生成、基于泊松方程编辑MRI融合效果叠加得到最终的图像扩增结果。本发明进行现有样本的数据扩增，增强训练模型的精度和泛化性，为脑肿瘤的诊断、治疗和医生模拟读片训练提供准确的依据。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.022 seconds)
