胆总管纤维化等级确定方法、装置及其相关设备

    公开(公告)号:CN115944276A

    公开(公告)日:2023-04-11

    申请号:CN202310153579.4

    申请日:2023-02-22

    Abstract: 本申请提供一种胆总管纤维化等级确定方法、装置及其相关设备,所述方法包括:获取患者在目标手术过程中第一手术状态下的第一造影图像和第二手术状态下的第二造影图像;基于第二造影图像,确定受力状态下的导丝的工作长度数据;基于第一造影图像和第二造影图像,确定受力状态下的胆总管的受力数据;基于第一造影图像和第二造影图像,确定受力状态下的胆总管的形变程度数据;基于受力状态下的胆总管的受力数据和形变程度数据、以及受力状态下的导丝的工作长度数据,确定胆总管的硬度系数,并基于胆总管的硬度系数,确定胆总管的纤维化等级。本申请实施例实现了高效无创地量化胆管癌患者的硬化程度,提高临床诊断胆管癌发展程度与预后的准确度。

    齿状线分割方法、装置、计算机设备及存储介质

    公开(公告)号:CN114494247B

    公开(公告)日:2022-06-21

    申请号:CN202210336155.7

    申请日:2022-04-01

    Applicant: 武汉大学

    Abstract: 本申请实施例公开了一种齿状线分割方法、装置、计算机设备及存储介质,本申请实施例的齿状线分割方法包括:对预先获取的目标用户的上消化道内镜图像进行预处理,得到目标体内图像;识别所述目标体内图像的齿状线区域,得到齿状线图像;通过分割模型,识别所述齿状线图像中的食管鳞状上皮与非鳞状上皮的边界;基于所述边界分割所述齿状线图像,得到所述齿状线图像的齿状线分割区域,并对其形态进行准确判别。本申请实施例旨在实现齿状线区域的自动获取与分析,提高齿状线形态分析准确度,减少人力资源的消耗,减轻医师负担。

    医学图像中基底膜定位线检测方法及相关装置

    公开(公告)号:CN114511566A

    公开(公告)日:2022-05-17

    申请号:CN202210409759.X

    申请日:2022-04-19

    Applicant: 武汉大学

    Abstract: 本申请实施例提供了一种医学图像中基底膜定位线检测方法及相关装置,该方法将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,再根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段,再根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,及黏膜下层边界线段中的目标黏膜下层曲线段,最后,根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。本申请中的方法可以快速、准确地找到医学图像中基底膜定位线的位置。

    齿状线分割方法、装置、计算机设备及存储介质

    公开(公告)号:CN114494247A

    公开(公告)日:2022-05-13

    申请号:CN202210336155.7

    申请日:2022-04-01

    Applicant: 武汉大学

    Abstract: 本申请实施例公开了一种齿状线分割方法、装置、计算机设备及存储介质,本申请实施例的齿状线分割方法包括:对预先获取的目标用户的上消化道内镜图像进行预处理,得到目标体内图像;识别所述目标体内图像的齿状线区域,得到齿状线图像;通过分割模型,识别所述齿状线图像中的食管鳞状上皮与非鳞状上皮的边界;基于所述边界分割所述齿状线图像,得到所述齿状线图像的齿状线分割区域,并对其形态进行准确判别。本申请实施例旨在实现齿状线区域的自动获取与分析,提高齿状线形态分析准确度,减少人力资源的消耗,减轻医师负担。

    一种肠镜报告生成方法和装置
    25.
    发明公开

    公开(公告)号:CN114446435A

    公开(公告)日:2022-05-06

    申请号:CN202210127313.8

    申请日:2022-02-11

    Applicant: 武汉大学

    Abstract: 本申请提供一种肠镜报告生成方法和装置;该方法先获取进镜开始时刻和肠镜下的多个进镜体内图像,在从各进镜体内图像中识别到包括目标肠段的进镜体内图像时,输出第一识别结果并触发语音交互系统,然后获取退镜过程中的中间态白光图像,并在获取到初始态退镜体外图像时确定退镜结束时刻,接着通过语音交互系统响应于用户发出的至少一条第一语音指令,对中间态白光图像进行识别处理得到第二识别结果,最后根据进镜开始时刻、第一识别结果、退镜结束时刻以及第二识别结果生成肠镜报告。该方法将图像识别技术与语音交互技术结合,实现了肠镜报告的自动生成,降低了肠镜检查中的人力成本,提高了报告的准确性。

    医学图像的处理方法、装置、计算机设备及存储介质

    公开(公告)号:CN113962991B

    公开(公告)日:2022-03-15

    申请号:CN202111565922.3

    申请日:2021-12-21

    Applicant: 武汉大学

    Abstract: 本申请实施例提供了一种医学图像的处理方法、装置、计算机设备及存储介质,该方法上述医学图像的处理方法,首先获取第i个胰腺医学图像帧序列,采用已训练的图像扫查模型对各帧胰腺医学图像进行识别,然后,在第一标识正确的情况下,获取第i+1个胰腺医学图像帧序列,并确定第二标识,接着,若第二标识与第一标识差值不为1,则返回到第一标识对应的标准站点进行扫查,直至标准站点的第二标识正确为止,最后,若第二标识与第一标识差值为1,继续进行下一个胰腺医学图像帧序列的扫查,直至扫查完成。通过连续追踪动态的胰腺医学图像帧序列标准站点,实现了对医学图像连续性和完整性的扫查,提高了胰腺医学图像的质量。

    消化道肿瘤浸润层的识别方法、装置、计算机设备及介质

    公开(公告)号:CN113793335B

    公开(公告)日:2022-02-08

    申请号:CN202111351443.1

    申请日:2021-11-16

    Applicant: 武汉大学

    Abstract: 本发明实施例公开了一种消化道肿瘤浸润层的识别方法、装置、计算机设备及介质。该方法包括:将接收到的超声内镜图像输入至预先训练的第一神经网络模型中,得到超声内镜图像的有效区域;将有效区域输入至预先训练的第二神经网络模型中,分别得到超声内镜图像中消化道管壁的粘膜层区域、粘膜肌层区域、粘膜下层区域、固有肌层区域、浆膜层区域;依次生成粘膜层区域、粘膜肌层区域、粘膜下层区域、固有肌层区域以及浆膜层区域的最小外切矩形;根据每个最小外切矩形识别超声内镜图像中的消化道肿瘤浸润层区域。本发明采用人工智能技术实现了对超声内镜图像的消化道肿瘤浸润层区域进行精准识别,提高了识别消化道肿瘤浸润层的准确性。

    设备监测方法和设备监测装置

    公开(公告)号:CN113793334B

    公开(公告)日:2022-02-08

    申请号:CN202111351427.2

    申请日:2021-11-16

    Applicant: 武汉大学

    Abstract: 本申请提供一种设备监测方法和设备监测装置;该设备监测方法通过在设备工作时,获取待监测设备的待处理图像,例如肠镜工作的待处理图像,则可以通过待处理图像以及第一分割模型、第二分割模型和第三分割模型,依次确定载体与待监测设备结合的目标边缘部分、待监测设备的标准坐标线、待监测设备的位置消息,则可以通过待监测设备在不同时间的位置消息以及转换模型,确定待监测设备与载体的相对速度,即在肠镜工作时,能够确定肠镜的退镜速度,且由于该方案通过肠镜的实际长度来确定肠镜的退镜速度,即使在肠镜退镜过程中存在晃动、冲水等干扰因素,仍然可以准确确定肠镜的退镜速度,实现了对肠镜检查过程的退镜速度的监管。

    食管标志物浸润深度等级确定方法、装置及可读存储介质

    公开(公告)号:CN113643291B

    公开(公告)日:2021-12-24

    申请号:CN202111195227.2

    申请日:2021-10-14

    Applicant: 武汉大学

    Abstract: 本申请提供一种食管标志物浸润深度等级确定方法、装置及可读存储介质,该方法包括:获取待分析的第一食管粘膜图像;对第一食管粘膜图像进行第一图像预处理,得到预处理后的目标食管粘膜图像;确定目标食管粘膜图像的代表性颜色特征;基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库,确定第一食管粘膜图像对应的食管标志物浸润深度等级。本申请实施例实现了食管标志物浸润深度等级的自动化识别,并提高了识别效率和识别准确率。

    十二指肠胰头图像识别方法和十二指肠胰头图像识别装置

    公开(公告)号:CN113822894A

    公开(公告)日:2021-12-21

    申请号:CN202111415118.7

    申请日:2021-11-25

    Applicant: 武汉大学

    Abstract: 本申请提供一种十二指肠胰头图像识别方法和十二指肠胰头图像识别装置;该十二指肠胰头图像识别方法通过先找到该视频数据中的白光图像,以使白光图像辅助寻找十二指肠降部胰头,在找到白光图像后通过第二图像识别模型对白光图像进行类型识别,确定白光图像的白光类型,并通过第三图像识别模型剔除非标准超声图像,然后通过第四图像识别模型处理标准超声图像得到多个超声类型以及各超声类型的分类置信度,则可以通过白光类型的加权系数以及各超声类型的分类置信度,确定各超声类型的所述标准超声图像的置信值,从而通过白光图像辅助确定了十二指肠降部胰头标准超声图像,更加准确的找到十二指肠降部胰头。

Patent Agency Ranking