-
公开(公告)号：CN109602439A
公开(公告)日：2019-04-12
申请号：CN201811515136.0
申请日：2018-12-12
Applicant: 西安交通大学医学院第一附属医院
CPC classification number: A61B6/0421 , A61B5/0555 , A61B6/032
Abstract: 本发明公开了婴幼儿检查用体位固定装置，包括底板、吸盘、支撑板、滑架、第一螺栓、软垫、第一固定套、第一转动套、滑槽、滑板、框架、导向槽、第二固定套、第二转动套、第二螺栓、放置板，该婴幼儿检查用体位固定装置，结构巧妙，功能强大，操作简单，通过使用该装置，可将婴幼儿进行体位固定处理，防止婴幼儿在检查的过程中因婴幼儿天生好动的原因导致体位发生变化，确保了婴幼儿的检查效果。
-
公开(公告)号：CN119886394A
公开(公告)日：2025-04-25
申请号：CN202411967097.3
申请日：2024-12-30
Applicant: 西安交通大学医学院第一附属医院
IPC: G06Q10/02 , G06Q10/1093 , G16H10/60
Abstract: 本发明提供了一种影像科智能预约方法、系统、设备及存储介质，属于医疗影像技术领域，通过获取初始预约时间表和患者信息并进行预处理，对患者信息及其检查项目基于影像科检查规则库的精确解析和量化，进行多维度综合评分，对所有待预约的患者的总评分值进行排序，根据排序结果输出初步更新预约时间表。不仅便于操作，还能显著提高影像科检查(如MRI、CT、X射线等)的效率与质量，综合考虑各项指标及患者个体特征，快速且合理地为不同患者安排检查顺序。并设置辐射剂量安全预警，当患者存在辐射剂量安全风险时对患者端和医师端进行预警，从而提高患者检查的安全性和效率。
-
公开(公告)号：CN118628498A
公开(公告)日：2024-09-10
申请号：CN202411110253.4
申请日：2024-08-14
Applicant: 西安交通大学医学院第一附属医院
IPC: G06T7/00 , G06N3/0464 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种脑磁共振图像的脑损伤区域检测方法、装置和设备，涉及图像处理技术领域。本发明先获取婴幼儿的历史脑磁共振图像作为样本图像并标注，以及提取其T1WI和T2WI成像序列得到训练数据，再基于ResNet网络，将卷积增强模块和多个Basic Block模块依次串联形成支路，将两个所说的支路并联形成双分支结构，并在双分支结构后串联交叉模态注意力模块、多个Basic Block模块和分类层，构建改进型ResNet网络模型，之后对其训练得到脑损伤检测模型，最后提取待检测的婴幼儿的脑磁共振图像的不同成像序列，并通过脑损伤检测模型进行检测。本发明对婴幼儿的磁共振图像中脑损伤区域检测准确度较高。
-
公开(公告)号：CN117045617A
公开(公告)日：2023-11-14
申请号：CN202311067457.X
申请日：2023-08-23
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本发明涉及微胶囊技术领域，且公开了基于酵母细胞壁的口服微胶囊，包括以下步骤：S1、酵母细胞壁提取：将酵母细胞悬浮在氢氧化钠中并将悬浮液加热，随后分散在PH4的水溶液中，然后将酵母细胞的裂解物在3000rpm下离心10分钟，以获得含有细胞壁的不溶性物质，对所得样品进行漂洗。该基于酵母细胞壁的口服微胶囊，通过将姜黄素包封到由EGCG和铁离子形成的金属多酚网络中，产生活性氧响应的抗炎纳米颗粒，然后将纳米颗粒进一步封装在酵母细胞壁中，在YM的保护作用下，纳米颗粒可以有效地避免胃降解，随后通过特异性结合巨噬细胞上的dectin‑1受体靶向肠道炎症部位，以此用于通过抗炎和调节肠道菌群来治疗UC。
-
公开(公告)号：CN110175993A
公开(公告)日：2019-08-27
申请号：CN201910448050.9
申请日：2019-05-27
Applicant: 西安交通大学医学院第一附属医院
IPC: G06T7/00
Abstract: 本发明基于特征金字塔网络(FPN)在X线胸片上对肺结核自动检测系统，通过对肺结核X线胸片进行标注，采用FPN为后端的Faster R-CNN网络学习模块进行训练学习，掌握肺结核病灶征象，获得肺结核病灶征象的自动诊断检测能力，实现对肺结核病灶的自动检测、定位和概率预测，得出最终的肺结核检测结果。FPN作为检测网络后端，可以更好的结合多尺度的网络层中的语义特征，每层都进行独立预测，最后进行融合，可以更好的对不同尺度的病灶进行检测。本发明基于深度学习网络对数字图像的识别技术，实现对肺结核病灶的自动检测、定位和概率预测，提高了病灶检测的准确度，降低了肺结核患者延误治疗的风险。
-
Patent Agency Ranking
公开(公告)号：CN106725898A
公开(公告)日：2017-05-31
申请号：CN201611154497.8
申请日：2016-12-14
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本发明公开了一种用于CT引导下穿刺活检及粒子植入模板定位的装置，包括CT床、支架、第一滑轨、第一滑块、第一电机、第一丝杠、第一螺母、连接板、第二滑轨、第二滑块、第二电机、第二丝杠、第二螺母、移板、第三电机、控制器，该用于CT引导下穿刺活检及粒子植入模板定位的装置，结构巧妙，功能强大，操作简单，通过使用该装置，可极大提高穿刺和定位的准确性，同时提高了医护人员的工作效率。
-
公开(公告)号：CN118781094A
公开(公告)日：2024-10-15
申请号：CN202411122455.0
申请日：2024-08-15
Applicant: 西安交通大学医学院第一附属医院
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/11
Abstract: 本发明公开了一种局灶性白质损伤的检测方法、装置、设备及介质，涉及磁共振成像技术领域，包括：将各脑部区域标注图像使用第一全卷积网络分割模型进行训练，获取第一分割模型；将局灶性白质损伤标注图像使用第二全卷积网络分割模型进行训练，获取第二分割模型；将磁共振扫描图像输入第一分割模型进行分割，获取脑部区域图像；将磁共振扫描图像输入第二分割模型进行分割，获取局灶性白质损伤图像；将脑部区域图像和局灶性白质损伤图像结合，获取各脑部区域下的局灶性白质损伤结果。本发明能够将磁共振图像按脑部分区获取局灶性白质损伤后进行量化分析。
-
公开(公告)号：CN117694865A
公开(公告)日：2024-03-15
申请号：CN202311423319.0
申请日：2023-10-30
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本申请实施例涉及图像处理和人工智能技术领域，特别涉及一种基于脑MRI图像和机器学习的脑瘫早期预测方法及系统，该方法包括以下步骤：首先，基于脑MRI数据集，确定若干个与脑瘫高度相关的关键脑区；将脑MRI数据集中不同层厚的MRI数据重建为薄层MRI数据；然后，将薄层MRI数据中的图像进行预处理，得到图像数据；并对关键脑区进行分割，得到分割后的关键脑区；在分割后的关键脑区范围内，对脑MRI数据集的影像组学特征依次进行特征提取、筛选，得到重要特征；最后，将重要特征输入机器学习模型，基于分类标签进行疾病分类，得到有无脑瘫的分类结果。本申请提供的方法通过对关键脑区的分割和特征提取，并结合机器学习算法，实现对脑瘫的早期智能预测。
-
公开(公告)号：CN111281414A
公开(公告)日：2020-06-16
申请号：CN202010089446.1
申请日：2020-02-13
Applicant: 西安交通大学医学院第一附属医院
IPC: A61B6/04
Abstract: 本发明公开了影像科用肢体定位器，包括底板、螺栓、放置机构、限位套、驱动机构、移动机构、夹紧机构，该影像科用肢体定位器，首先医护人员通过对放置机构的使用，可将患者的头部进行定位处理，医护人员再通过对限位套的使用，以此将患者抬起后的双臂进行定位处理，即将患者的乳腺部位充分的暴露于外界，医护人员再通过对驱动机构以及移动机构的配合使用，使得夹紧机构将患者双臂定位后的状态进行夹紧固定处理，由此可知，通过使用本申请中的装置，确保了患者乳腺的检查效果。
-
公开(公告)号：CN104856677A
公开(公告)日：2015-08-26
申请号：CN201510324898.2
申请日：2015-06-14
Applicant: 西安交通大学医学院第一附属医院
IPC: A61B5/055
Abstract: 本发明公开了一种磁化转移联合层面选择反转恢复预脉冲的磁共振成像方法，包括步骤：一、激发信号发送：向被检测对象发送激发信号；发送激发信号时，按磁化转移与层面选择反转恢复相结合的方式，施加磁化转移脉冲序列、层面选择反转恢复预脉冲序列和频率选择预饱和法脂肪抑制脉冲序列；二、信号采样：采用磁共振成像设备对被检测对象的磁共振数据进行采样，采样到的磁共振数据为所发送激发信号的回波信号；三、成像：根据采样到的磁共振数据获得血管影像数据。本发明方法步骤简单、设计合理且实现方便、使用效果好，在不采用造影剂增强的前提下，能获得高质量血管成像且成像时间短，是一种不使用造影剂的真正意义上的无创性血管成像方法。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.031 seconds)
