-
公开(公告)号:CN112990307B
公开(公告)日:2023-01-13
申请号:CN202110269262.8
申请日:2021-03-12
Applicant: 中国科学院自动化研究所(CN)
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于生物医学分子影像以及人工智能领域,具体涉及一种基于网络架构搜索的多谱段脑胶质瘤图像分类系统,旨在解决现有脑胶质瘤图像分类手段无法准确、高效分类的问题。本发明系统包括:图像获取模块,配置为获取同一脑胶质瘤组织的白光图像、近红外一区图像、近红外二区图像;图像预处理模块,配置为对近红外一区图像和近红外二区图像进行降噪、非线性映射处理;处理后,对白光图像、近红外一区图像和近红外二区图像进行分辨率调整,并通过通道维度进行图像拼接,将拼接后的图像作为多谱段脑胶质瘤图像;分类模块,配置为通过预训练的图像分类模型获取多谱段脑胶质瘤图像的类别。本发明实现了脑胶质瘤图像准确、高效的分类。
-
公开(公告)号:CN114998471A
公开(公告)日:2022-09-02
申请号:CN202210712519.7
申请日:2022-06-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于磁粒子成像的图像重建领域,具体涉及一种基于RecNet模型的磁粒子成像重建方法、系统、设备,旨在解决现有的磁粒子成像重建方法中,基于系统矩阵的重建方法获取系统矩阵难度大,重建的结果包含噪声和伪影,x‑space的重建方法重建图像质量、清晰度较差的问题。本方法包括:获取待成像重建的一维MPI信号,作为输入信号;将输入信号及其对应的无磁场点速度信号,输入训练好的磁粒子重建模型RecNet进行图像重建,得到二维MPI图像;磁粒子重建模型RecNet基于域转换网络、改进的UNet网络构建。本发明可以在不获取系统矩阵的情况下获得高质量的、清晰的磁粒子分布图像。
-
公开(公告)号:CN109191425B
公开(公告)日:2022-02-11
申请号:CN201810815480.5
申请日:2018-07-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种医学影像分析方法,包括:获取目标区域的造影视频和二维视频;基于所述二维视频,对所述造影视频进行配准,以补偿呼吸运动引起的偏差;构建神经网络模型,所述神经网络模型包括输入层、隐含层和输出层,其中,所述输入层和隐含层各包括卷积层、激活层和池化层,以及所述输出层包括全连接层;利用经配准的造影视频对所述神经网络模型进行训练,以生成经配准的造影视频的特征向量,其中,对经配准的造影视频进行数据增益和正则项约束;计算所述特征向量的预测权重,并选择预测权重高于权重阈值的特征向量,用于构建预测诊断模型。
-
公开(公告)号:CN113499052A
公开(公告)日:2021-10-15
申请号:CN202110771452.X
申请日:2021-07-08
Applicant: 中国科学院自动化研究所
IPC: A61B5/0515 , G01R33/12
Abstract: 本发明属于磁纳米粒子成像中的系统矩阵测定技术领域,具体涉及了一种磁纳米粒子成像系统矩阵测量的栅格状探测板及测量方法,旨在解决现有技术无法简单快速地测量磁纳米粒子成像中的系统矩阵的问题。本发明包括:根据磁纳米粒子成像系统分辨率调整隔离板;获得设定数量的呈栅格状排列的凹状正方形晶格构成的栅格状探测板;基于系统矩阵本身的特性以及系统矩阵与感应线圈中的电压信号的关系,通过探测板逐渐增加测量范围;将探测板各正方形晶格对应的列值按照晶格位置进行拼接,获得最终的磁纳米粒子成像的系统矩阵。本发明实现了磁纳米粒子成像的系统矩阵的快速测量和校准,分辨率灵活可调,适配多种磁纳米粒子成像系统,降低成本、提高效率。
-
公开(公告)号:CN113223150A
公开(公告)日:2021-08-06
申请号:CN202110504683.4
申请日:2021-05-10
Applicant: 中国科学院自动化研究所
IPC: G06T17/00
Abstract: 本发明属于目标立体重建领域,具体涉及了一种三维磁粒子图像积分断层重建方法、系统和设备,旨在解决现有的目标立体重建技术存在危害大、定位差和精度低的问题。本发明包括:通过基于FFL的粒子成像系统对已知浓度的预设尺寸参考仿体进行扫描,获取感应线圈中的电压值的频域值,计算FFL的粒子成像系统切面的系统矩阵,通过L2范数约束的梯度下降方法计算最小二乘形式的逆问题,获得目标图像磁纳米粒子响应的沿线积分结果,最后通过滤波反投影方法,进行反向求解获得目标切面图像,将目标切面图像拼接为目标模型。本发明最终得到了磁粒子的精确分布,从而实现了病灶区域的三维重建,具有较快的重建速度和较高的精确度。
-
公开(公告)号:CN112861994A
公开(公告)日:2021-05-28
申请号:CN202110270657.X
申请日:2021-03-12
Applicant: 中国科学院自动化研究所
IPC: G06K9/62 , G06K9/32 , G06T7/00 , G06T7/11 , G06T7/62 , G06N3/04 , G06N3/08 , A61B6/03 , A61B6/00
Abstract: 本发明属于医学图像处理领域,具体涉及了一种基于Unet迁移学习的胃印戒细胞癌图像智能分类系统,旨在解决现有技术因胃癌病灶形状不规则、特征提取质量低,导致胃印戒细胞癌图像分类结果不准确的问题。本发明包括:感兴趣区域提取模块,对获取的待分类胃部CT进行胃癌病灶感兴趣区域提取;预处理模块,对提取的Rec_ROI进行图像增强;智能分类模块,通过训练好的智能分类模型完成待分类预处理图像的智能分类;筛选融合模块,将智能分类结果与筛选的显著临床因子融合生成待分类胃部CT图像的最终分类结果。本发明速度快、精度高、鲁棒性强,在临床上具有很大的实用价值。
-
公开(公告)号:CN109166103B
公开(公告)日:2021-02-05
申请号:CN201810851316.X
申请日:2018-07-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于多层感知网络的激发荧光断层成像方法,该方法包括如下步骤:S1、生成训练样本;S2、设置无网格标准化模型,将训练样本映射到无网格标准化模型中;S3、根据无网格标准化模型构建激发荧光断层成像的多层感知网络,多层感知网络包括输入层、隐含层和输出层;S4、根据输出层的输出结果对无网格标准化模型进行训练;以及S5、将生物体的数据输入训练后的无网格标准化模型,获得所述生物体的重建图像。
-
公开(公告)号:CN109589128B
公开(公告)日:2020-12-11
申请号:CN201811387488.2
申请日:2018-11-20
Applicant: 中国科学院自动化研究所
IPC: G01T1/161
Abstract: 一种基于乳腺癌检测的平板PET与光学双模融合成像系统及方法,该系统包括信号采集子系统和计算机子系统,其中信号采集子系统包含平板PET成像装置和光学成像装置,用于获取PET数据和光学数据;计算机子系统包括系统控制模块、数据处理模块、数据重建模块和数据配准模块;数据处理模块能分别对PET数据和光学数据进行预处理;数据重建模块能分别对预处理后的PET数据和光学数据进行重建得到重建图像;数据配准模块用于对两重建图像进行配准融合,实现对乳腺肿瘤的精确定位。该系统可同时对乳腺进行PET成像和光学成像,为乳腺癌的早期精确诊断以及预后疗效评价提供强有力的影像技术支持。
-
公开(公告)号:CN110420026A
公开(公告)日:2019-11-08
申请号:CN201910637247.7
申请日:2019-07-15
Applicant: 中国科学院自动化研究所
IPC: A61B5/05
Abstract: 本发明属于磁粒子成像领域,具体涉及一种基于FFL的磁粒子成像三维立体重建方法、系统、装置,旨在为了解决基于FFL的磁粒子分布三维图像准确度较低的问题。本发明方法包括:获取基于FFL对被扫描目标进行三维扫描过程中感应线圈的电流信号数据;基于所述电流信号数据,通过预设的核函数进行反卷积,得到二维图像数据集合;所述核函数为增加L2正则化约束的阶跃函数;基于所述二维图像数据集合,采用维纳滤波反卷积算法获取初始三维图像;基于初始三维图像,通过郎之万函数进行反卷积,并通过雷登变换获取最终三维图像。本发明提高了所重建的三维图像中磁粒子定位准确度。
-
公开(公告)号:CN110327018A
公开(公告)日:2019-10-15
申请号:CN201910548816.0
申请日:2019-06-24
Applicant: 中国科学院自动化研究所
IPC: A61B5/00
Abstract: 本发明属于光学分子影像领域,具体涉及了一种稀疏度自适应组正交匹配追踪的激发荧光断层重建方法,旨在解决现有技术使用稀疏约束优化求解肿瘤分布中存在的区域过稀疏、空间不连续、过程欠鲁棒的问题。本发明方法包括:对生物CT三维数据进行分割及有限元离散化后与生物体表激发荧光图像数据融合;根据融合后的体表激发荧光光强分布信息建立模型;划分模型并构造局部空间连续性约束条件;融入L1范数稀疏性并迭代求解,获得探针在生物肿瘤区域的汇聚分布情况。本发明通过融合空间结构约束和稀疏约束,构建一种全新的空间结构稀疏正则化项,重点解决了单纯基于稀疏约束求解肿瘤分布导致的区域过稀疏、空间不连续、过程欠鲁棒等问题。
-
-
-
-
-
-
-
-
-