-
公开(公告)号：CN119444661A
公开(公告)日：2025-02-14
申请号：CN202411285598.3
申请日：2024-09-13
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种MRA颅内动脉瘤检测方法，步骤包括：获取待检测的MRA影像数据并进行感兴趣区域提取，得到血管周围和病灶周围的局部图像块；将局部图像块送入分割网络，分割网络主干采用残差结构的UNet架构，对待分割动脉瘤图像块进行深度特征提取得到多尺度特征，通过上下文注意力调制模块将不同尺度特征图与上采样结果融合得到不同尺度特征分割结果；将得到的分割结果送入分类网络，分类网络采用集成学习器，将多种随机增强后病变区域图像分别输入ViT网络预测动脉瘤概率，对各ViT网络输出结果进行集成学习得到最终预测动脉瘤概率。与现有技术相比，本发明实现了高敏感度和低假阳率的平衡，有效提高了MRA颅内动脉瘤检测的精度。
-
公开(公告)号：CN118782254A
公开(公告)日：2024-10-15
申请号：CN202410661855.2
申请日：2024-05-27
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本发明提供基于PCD‑CT的肝脏脂肪无创定量评估模型的构建方法及系统。模型构建方法包括步骤：1：招募若干健康志愿者，分为训练队列和验证队列；2：对训练队列进行PCD‑CT常规扫描，对验证队列进行PCD‑CT不同采集条件的扫描；对CT扫描图像进行重建得到标准化CT图；3：对训练队列进行水和脂肪的迭代分解和回声不对称最小二乘估计序列的扫描得到MRI‑PDFF图；4：分别在标准化CT图和MRI‑PDFF图中的感兴趣区域进行图像后处理和分析，计算标准化CT和MRI‑PDFF的平均值和标准差；步骤5：采用线性最小二乘回归得到肝脏脂肪无创定量评估模型。本申请实现不同采集条件下的肝内脂肪精准评估。
-
公开(公告)号：CN118465860A
公开(公告)日：2024-08-09
申请号：CN202410698947.8
申请日：2024-05-31
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于行波分解的横观各向同性反演方法及系统，包括：针对波动位移的成像采集位移场，获取波场数据；基于低通滤波器对所述波场数据进行预处理；根据预处理后的波场数据和纤维方向进行预计算，得到行波分解模型的中间变量；通过所述中间变量，基于几何平均数进行多频或多测量融合，进而得到横观各向同性弹性参数。本发明针对波动位移的成像，如磁共振、超声、光学等方式采集的位移场，基于行波分解模型，建立了工程优化后的直接反演方法，实现横观各向同性材料的各向异性弹性参数估计，并支持多频率和多次测量的合成。
-
公开(公告)号：CN118297972A
公开(公告)日：2024-07-05
申请号：CN202410484097.1
申请日：2024-04-22
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T7/11 , G06V10/774 , G06V10/34 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于骨架系数的肺部气管分割方法及装置，通过基于标签气管树为训练样本中的每一像素设置训练权重；其中，当训练样本中的任一像素对应的肺部气管标签为气管像素时，该像素距离标签气管树的根节点越远，该像素的训练权重越大；继而基于训练样本中每一像素的网络预测结果、训练权重以及每一像素对应的肺部气管标签，计算模型损失，并据此对初始分割网络进行反向参数更新，得到肺部气管分割网络，以利用该网络对待处理CT图像进行肺部气管分割，得到其中的肺部气管区域，通过提升针对远离气管根部的末端气管像素的训练权重，加强训练过程中对该类像素的监督，从而提升网络对末端气管的预测性能，可预测得到分支更多更长的预测结果。
-
公开(公告)号：CN116028754A
公开(公告)日：2023-04-28
申请号：CN202211594504.1
申请日：2022-12-13
Applicant: 上海交通大学
IPC: G06F17/10 , G06F18/214 , G06F18/25 , G06N3/0475 , G06N3/08 , G06N5/04 , G06N20/00
Abstract: 本发明提供了一种基于行波分解和机器学习的模量反演方法及系统，包括：步骤S1：针对波动位移的成像采集位移场，生成基于行波分解的训练数据；步骤S2：构建复数协方差神经网络；步骤S3：建立行波分解模型生成的带噪训练数据集；步骤S4：利用训练好的网络进行反演和多频多方向融合。本发明通过构建复数协方差神经网络，利用行波分解模型生成的带噪训练数据集挖掘波场到弹性参数的映射算子，解决了带噪复杂波场的模量反演问题。
-
Patent Agency Ranking
公开(公告)号：CN119477815A
公开(公告)日：2025-02-18
申请号：CN202411475730.7
申请日：2024-10-22
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/088 , G06N3/096
Abstract: 本发明涉及一种基于不平衡最优传输的肝脏局灶性病变影像分析方法。所述分析方法为：提取原始图像样本特征，再将每个图像嵌入高斯分布来编码不确定性；再进行不平衡最优传输损失计算和分类损失计算，实现精确的成对匹配，以减少负迁移，利用鉴别类感知信息自适应学习，从而确定最佳的传输策略，并进行分类预测。所述分析方法采用无监督领域自适应网络模块、特征不确定性估计机制模块和UOT策略模块。与现有技术相比，本发明能够缓解现存的最优传输策略所存在的特征分布对齐时的成对错误匹配问题，并更侧重于含噪训练样本的不确定性估计，通过结合特征不确定性估计和UOT策略，能够显著提高模型的迁移性能、鲁棒性和适应性。
-
公开(公告)号：CN119379895A
公开(公告)日：2025-01-28
申请号：CN202411247537.8
申请日：2024-09-06
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T17/00 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种颅内MRA血管重建系统、电子设备及存储介质，包括数据收集模块，数据预处理模块，分割模型混合训练模块，模型推理模块，其中，所述数据收集模块，用于筛选适用于混合训练的患者数据及标签；所述数据预处理模块，用于对患者数据进行数据处理；所述分割模型混合训练模块，利用已有分割数据对分割模型进行混合训练；所述模型推理模块，利用混合训练之后的分割模型对输入的MRA图像中的脑血管进行分割，获得重建结果。采用本技术，基于混合训练可以降低对MRA训练数据的需求，提高MRA血管重建的精度，提高诊断效率和诊断的准确率，并且医生可以根据脑血管的三维结构来制定手术方案，提高手术的成功率。
-
公开(公告)号：CN119228925A
公开(公告)日：2024-12-31
申请号：CN202411071191.0
申请日：2024-08-06
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本发明涉及一种基于量子退火的CT图像重建方法、装置及介质，所述方法步骤包括：通过CT采集投影数据y，获取CT系统的投影矩阵P；采用量子比特描述待重建图像x，并对其通过CT系统矩阵P进行投影得到含变量的投影数据Px；基于含变量的投影数据Px与真实投影数据y得到待优化的表达式；对待优化表达式进行编译，得到用于量子计算机计算的问题哈密顿量；将问题哈密顿量带入量子计算机进行量子退火计算，并反复迭代直至重建图像达到精度要求，得到重建的图像。与现有技术相比，本发明能够实现高效的图像重建，通过量子计算的高度并行性可以加速图像重建过程，提高成像效率。
-
公开(公告)号：CN114494171B
公开(公告)日：2024-12-20
申请号：CN202210053901.1
申请日：2022-01-18
Applicant: 上海交通大学医学院附属瑞金医院 , 华东师范大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T7/33 , G06T5/60 , G06T5/90 , G06N3/0464 , G06N3/08 , G06V10/762 , G06V10/774 , G06V10/82 , A61B5/055 , A61B5/00
Abstract: 本发明公开了一种深度学习结合个性化图集基于T1W和QSM自动分割脑深部灰质结构（尾状核、壳核、苍白球、黑质、红核、齿状核）的方法，包括步骤：采集T1W和QSM磁共振数据、医生手工标注脑深部灰质结构；提取T1W脑影像的特征向量；对所有T1W脑影像的特征向量进行无监督聚类，挑选出代表性影像和医生的标注组成个性化图集；将个性化图集中的T1W影像和标注与其他被试T1W影像进行配准，得到初步分割结果，构成训练集数据；构建基于注意力机制的深度学习网络模型；训练模型对脑深部灰质结构进行分割。本发明利用T1W和QSM图像的对比优势对脑深部灰质结构进行精准自动分割，将来有望用于帕金森病等运动障碍类疾病的脑影像研究和辅助临床诊断等。
-
公开(公告)号：CN118657729A
公开(公告)日：2024-09-17
申请号：CN202410768886.8
申请日：2024-06-14
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06T7/30 , G06N3/0455 , G06V10/40 , G06V10/764
Abstract: 本发明涉及人工智能技术领域，公开了一种脑部黑质燕尾征状态识别方法、装置、设备及存储介质，用于解决现有技术中识别过程中没有针对于黑质燕尾征的特殊形态提取特征和进行识别，导致识别灵敏度降低，识别效果不好的技术问题。该方法包括：响应于脑部黑质燕尾征状态识别请求，获取脑部医学影像，并提取脑部医学影像中包含的脑部组织图像；对脑部组织图像中包含的燕尾征区域进行位置标注，得到燕尾征区域特征线；根据燕尾征区域特征线位置，提取黑质区域中燕尾征区域的外侧部图像特征和燕尾征区域的内侧部图像特征；调用燕尾征状态识别模型对外侧部图像特征和内侧部图像特征判断脑部组织图像中燕尾征状态是否为清晰状态。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.02 seconds)
