-
公开(公告)号：CN119138913A
公开(公告)日：2024-12-17
申请号：CN202411343000.1
申请日：2024-09-25
Applicant: 北京航空航天大学
IPC: A61B6/03 , A61B6/40 , A61B6/42 , A61B34/20 , A61B6/00 , A61B6/46 , G06T17/00 , G06N3/08 , G06N3/045 , G06N3/0464 , G16H30/20 , G16H40/63
Abstract: 本发明公开了一种快速CT成像装置及方法，包括：第一探测器和第一辐射源设置在第一滑轨上，第二探测器设置在第二滑轨上，第二辐射源设置在第三滑轨上；滑动模块安装在圆环支架底端，滑动模块滑动设置在导轨上；操作台安装在旋转升降模块的输出端；利用第一探测器和第一辐射源采集X射线螺旋投影数据；利用第二探测器和第二辐射源采集X射线锥束投影数据；还包括四维CT重建模块和快速三维CT重建模块；四维CT重建模块重建多个三维CT的四维CT数据；快速三维CT重建模块得到对应的预测三维CT和肿瘤标签。本发明避免了患者在手术中被流转于不同设备之间，减少了手术准备时间，无需移动患者，避免了对患者的二次伤害。
-
公开(公告)号：CN114898098B
公开(公告)日：2024-04-19
申请号：CN202210733801.3
申请日：2022-06-27
Applicant: 北京航空航天大学
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种脑组织图像分割方法，包括：图像预处理；模型训练，利用第一语义分割网络提取集合T中图像的第一特征向量，形成第一特征向量集合；利用第二语义分割网络提取集合T中图像的第二特征向量，形成第二特征向量集合；根据第一特征向量V1与类别中心P1、类别中心P2的距离，及第二特征向量V2与类别中心P1、类别中心P2的距离建立第一损失；根据第一视图像素点或第二视图像素点与类别中心P1、类别中心P2的距离判别获得伪标签，根据伪标签，及利用分类器得到的第一视图和第二视图的预测值建立第二损失。本发明方案结合了特征提取和聚类的策略，利用图像像素变换的不变性约束，及利用聚类产生的伪标签进一步提取特征，缓解了现有技术问题。
-
公开(公告)号：CN113792761B
公开(公告)日：2024-04-05
申请号：CN202110957831.8
申请日：2021-08-20
Applicant: 北京航空航天大学
IPC: G06V10/764 , G06V10/80 , G06V20/10
Abstract: 本发明公开了一种基于Gabor特征与EMAP特征的遥感图像分类方法，包括步骤：从遥感图像中提取Gabor特征并构建Gabor特征核，同时从遥感图像中提取EMAP特征并构建EMAP特征核；利用特征复合核框架，融合构建的Gabor特征核和EMAP特征核，获得特征复合核；基于获得的特征复合核，通过多项逻辑回归模型对遥感图像中的样本进行分类。本发明通过融合Gabor特征与EMAP特征联合光谱信息与空间信息，避免了原始光谱数据的不利影响，克服了类别不均衡、样本数量少的问题，有效解决了由于光谱信息相关性较强导致的信息冗余问题，提高了分类精度。
-
公开(公告)号：CN117475075A
公开(公告)日：2024-01-30
申请号：CN202311065776.7
申请日：2023-08-23
Applicant: 北京航空航天大学
IPC: G06T17/00 , G06T15/00 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种以X射线影像为输入的CT重建和肿瘤分割方法，网络结构包括特征编码网络，特征转换网络、重建网络和分割网络四个网络模块，采用生成CT影像与实际CT影像的MSE损失以及生成的肿瘤标签和真实肿瘤标签的BCE损失两个损失函数。本发明利用特征编码网络对输入的任意角度X射线影像进行特征提取，利用特征转换网络将提取的二维特征转换为三维特征，利用重建网络将三维特征重建为CT影像，利用分割网络对重建的CT影像进行肿瘤分割；利用重建CT影像的MSE损失约束重建以提升三维重建效果，利用肿瘤分割的BCE损失约束分割任务以进一步提升重建精度。本发明方案结合了深度学习中多任务学习相互促进的策略，解决了在旋转放疗时无法及时跟踪患者呼吸运动，导致基于X射线的肿瘤定位精度差的问题。
-
公开(公告)号：CN117352128A
公开(公告)日：2024-01-05
申请号：CN202311429676.8
申请日：2023-10-31
Applicant: 北京航空航天大学
IPC: G16H20/40 , G16H50/50 , G16H40/20 , G06N3/0464
Abstract: 本发明公开了一种放疗剂量预测方法，包括：模型训练，根据患者的医学影像，建立患者模体；根据加速器治疗头参数，利用放疗剂量第一计算方法计算患者模体的多射野剂量分布H；根据加速器治疗头参数，利用放疗剂量第二计算方法计算患者模体的多射野剂量分布L；以L和患者的医学影像为输入，以H为输出，送入深度学习神经网络训练得到放疗剂量预测网络；剂量预测，利用放疗剂量第二计算方法计算得到任一患者模体的多射野剂量分布L*；获取放疗剂量预测网络输出端预测得到的任一患者模体的多射野剂量分布H*。本发明所用放疗剂量预测网络为TF U‑Net，该网络以“U”形编码器‑解码器结构提取剂量分布的多尺度信息，通过Transformer模块聚合长距离信息，解决了传统卷积层因感受野有限而难以对粒子传输路径建模的问题，进一步提升了预测精度。在Transformer模块中，通过通道多头自注意力机制使网络聚焦剂量集中区域，并通过卷积前馈网络用于对信息进行整合和转换，解决了因高剂量区面积较小而导致网络难以捕获重要信息的问题。计算通道多头注意力时，通过深度可分离卷积和特征矩阵维度变换解决了因剂量分布图尺寸较大导致计算量过大的问题。相比于现有技术，利用深度学习网络实现了利用一种算法预测另一种算法输出计算结果的技术效果，解决了现有技术速度与精度难以兼顾的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116485776A
公开(公告)日：2023-07-25
申请号：CN202310488212.8
申请日：2023-05-04
Applicant: 北京航空航天大学
Abstract: 本申请公开了一种血管目标识别方法及系统，该方法包括：将样本影像序列送入第一深度学习网络，第一深度学习网络用于分割样本影像序列中的血管和神经；建立样本影像序列归一化的三维解剖结构，计算三维解剖结构中血管壁的剪切应力，获得第一剪切应力分布图；将第一深度学习网络输出的图像与第一剪切应力分布图进行特征融合后，得到第一图像；以第一图像为输入，第一图像中的点是否属于责任血管区域为标签，送入第二深度学习网络进行训练。本申请提出的技术方案，实现了自动化的血管目标识别仿真结果，缓解对医师经验的依赖、降低人为错误的产生，提高了医师的工作效率。
-
公开(公告)号：CN114898098A
公开(公告)日：2022-08-12
申请号：CN202210733801.3
申请日：2022-06-27
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种脑组织图像分割方法，包括：图像预处理；模型训练，利用第一语义分割网络提取集合T中图像的第一特征向量，形成第一特征向量集合；利用第二语义分割网络提取集合T中图像的第二特征向量，形成第二特征向量集合；根据第一特征向量V1与类别中心P1、类别中心P2的距离，及第二特征向量V2与类别中心P1、类别中心P2的距离建立第一损失；根据第一视图像素点或第二视图像素点与类别中心P1、类别中心P2的距离判别获得伪标签，根据伪标签，及利用分类器得到的第一视图和第二视图的预测值建立第二损失。本发明方案结合了特征提取和聚类的策略，利用图像像素变换的不变性约束，及利用聚类产生的伪标签进一步提取特征，缓解了现有技术问题。
-
公开(公告)号：CN114255296A
公开(公告)日：2022-03-29
申请号：CN202111587397.5
申请日：2021-12-23
Applicant: 北京航空航天大学
IPC: G06T11/00 , G06K9/62 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于单幅X射线影像的CT影像重建方法及装置，该方法包括：训练数据预处理，获取N个患者的4D CT影像，对每个患者构建呼吸模型，对每个呼吸模型生成M个呼吸时相下的3D CT影像；对3D CT影像生成K个角度下的数字重建影像；模型训练，以数字重建影像为输入，以3D CT影像为学习目标，送入深度学习神经网络训练得到CT影像重建网络；CT影像重建，将单幅X射线影像送入CT影像重建网络，获取根据单幅X射线影像重建的3D CT影像。本发明提供的技术方案，根据人体解剖结构受到严格限制的特性，引入基于深度学习的方法学习单幅X射线影像到3D CT影像的映射，从而缓解了无法在手术中实时获取3D CT影像的技术问题。
-
公开(公告)号：CN113974829A
公开(公告)日：2022-01-28
申请号：CN202111382404.8
申请日：2021-11-22
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种血管支架植入仿真方法，包括：从包含血管、血流及肿瘤的医学影像中提取第一血流模型；根据第一血流模型提取肿瘤模型和血管壁模型；将肿瘤模型和血管壁模型转换为有限元模型；设置有限元模型中肿瘤区域和血管壁区域的材料属性；将支架模型与有限元模型进行装配，调整支架模型的位置和/或参数，以使有限元模型中血管壁流通半径扩张达到预定值，支架模型的参数包括直径和长度。本发明提出的技术方案仿真血管支架在血管肿瘤区域的扩张，提供满足血管壁流通半径的血管支架位置和参数，为医师在手术前提供技术参考。
-
公开(公告)号：CN113769282A
公开(公告)日：2021-12-10
申请号：CN202111180000.0
申请日：2021-10-11
Applicant: 北京航空航天大学
IPC: A61N5/10
Abstract: 本发明公开了一种机器人放射治疗设备剂量预测方法及装置，该方法包括：模型训练，根据患者的医学影像，建立患者模体；根据机器人放射治疗设备治疗头参数，利用放疗剂量第一计算方法计算患者模体单射野的剂量分布H；根据机器人放射治疗设备治疗头参数，利用放疗剂量第二计算方法计算患者模体单射野的剂量分布L；以L和患者的医学影像为输入，以H为输出，送入深度学习神经网络训练得到放疗剂量预测网络；剂量预测，利用放疗剂量第二计算方法计算得到任一患者模体单射野的剂量分布L*；获取放疗剂量预测网络输出端预测得到的任一患者模体单射野的剂量分布H*。利用深度学习网络实现了利用一种算法预测另一种算法输出计算结果的技术效果。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.031 seconds)
