-
公开(公告)号:CN118279242A
公开(公告)日:2024-07-02
申请号:CN202410245188.X
申请日:2024-03-05
Applicant: 福州大学 , 福建医科大学附属第一医院
Abstract: 本发明涉及一种用于家族性脑海绵状血管瘤判别和研究的定量统计方法及系统。利用深度学习对同一病人前后两次检查的磁共振成像(MRI)数据切片进行2D病灶分割,之后将2D分割掩码合成3D掩码,进而统计两次检查中病灶的体积和数量,并识别病灶最小外接立方体的坐标。我们遍历随访检查中的病灶,设置病灶中心特殊像素点,利用图像配准将随访检查图像向前次检查的图像对齐,通过特殊像素点联系配准前后随访检查中所遍历的病灶,之后通过识别病灶最小外接立方体是否重合来实现前次检查与配准后的随访检查中相同病灶区域的匹配,最终实现前次检查与随访检查原图像中同一病灶区域的对比统计,并将统计结果进行可视化,帮助医生对疾病进展进行定量诊断和分析。
-
公开(公告)号:CN116993691A
公开(公告)日:2023-11-03
申请号:CN202310936178.6
申请日:2023-07-28
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
IPC: G06T7/00 , G06T7/90 , G06V10/764 , G06V10/82 , G06V10/25 , G06V10/774 , G06V10/40 , G06N3/0455 , G06N3/0499 , G06N3/0895 , G06N3/096
Abstract: 本发明涉及一种基于H&E染色胃癌数字病理图像的EBV状态智能预测方法。充分地利用大量未标记的数字病理切片数据,提高数据的效率和资源利用率,实现输入一张常规的胃癌H&E染色图像,即可输出EBV状态。本发明具有较高的自动化程度和快速性,可以在短时间内生成预测结果,加速临床决策和治疗进程并为临床医生提供更好的决策支持。
-
公开(公告)号:CN113781304B
公开(公告)日:2023-10-13
申请号:CN202111048332.3
申请日:2021-09-08
Applicant: 福州大学
IPC: G06T3/40 , G06T3/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于单张图像超分辨率的轻量级网络模型及处理方法,通过低分辨率图像有效地重建出质量较高的超分辨率图像,同时算法的重建效率高,能够有效地平衡重建质量和重建效率,不仅能重建出高分辨率图像,而且重建速度快,且该算法泛化性好,可以应用于多种场景的图像超分辨率问题,可达到实际工业需求。其主要包括特征提取部分、非线性映射部分、重建模型和插值模块。特征提取部分提取出低分辨率图像的浅层特征,将浅层特征输入非线性映射部分进行更充分的学习得到高级特征,最后将高级特征输入到重建模型和插值模块,并引入双线性插值得到最后的高分辨率图像。
-
公开(公告)号:CN116452892A
公开(公告)日:2023-07-18
申请号:CN202310470070.2
申请日:2023-04-27
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/56 , G06T3/40 , G06T7/00 , G16H50/20
Abstract: 本发明的目的在于提供一种原发性胃MALT淋巴瘤数字病理切片图像处理及辅助判读系统,通过在计算机系统当中,输入一张病理切片,输出一张有着疑似原发性胃MALT淋巴瘤类别和位置的图像,并可以自动化得到原发性胃MALT淋巴瘤初步判读的结果,能够大大减轻医生的阅片时间和诊断难度,提升医生的工作效率,为判断原发性胃MALT淋巴瘤患者的预后及治疗手段的改善起到积极的作用,具有非常重要的意义和广阔的前景。
-
公开(公告)号:CN114529554A
公开(公告)日:2022-05-24
申请号:CN202111619961.7
申请日:2021-12-28
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
IPC: G06T7/11 , G06T7/33 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/82
Abstract: 本发明涉及一种胃癌HER2数字病理切片智能辅助判读方法。在现有的临床应用中,需要人工肉眼比对HE染色切片图像和HER2免疫组化切片进行诊断,胃癌HER2评分过程繁琐且耗时。因此,本发明首次提出一种胃癌HER2智能评分算法来辅助医生进行判读。输入一张病理切片,输出每个类别的百分比,根据这些百分比(患者级别)输出HER2分数;最后,根据各个类别的百分比,输入SVM分类器,得出要不要做FISH的建议。其次,为了加速智能判读的计算过程,在卷积神经网络设计上,采用了3*3卷积和ReLU,不用分支结构,使得模型的推理速度提升不少,节约大量内存,可以在硬件端实现模型推理速度的提升,更适用于医院设备。本发明能够辅助医生判读,提供相较客观的数据。
-
公开(公告)号:CN113313719A
公开(公告)日:2021-08-27
申请号:CN202110652216.6
申请日:2021-06-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于视觉注意机制和模型拟合的白细胞分割方法。本发明首先提出了一个基于视觉注意机制的颜色空间体积,以突出显示细胞核区域,然后使用自适应阈值方法分割细胞核。然后,提出了一个基于边界先验知识并移除背景区域,将得到的中心区域作为初始白细胞区域,进一步通过边缘检测获取白细胞轮廓,将得到的白细胞轮廓减去细胞核得到细胞质分割结果。最后,本发明提出了一个基于模型拟合策略的方法来解决白细胞粘连的问题,有效地将白细胞(包括细胞核、细胞质)从外周血涂片图像中分割出来,并对分割得到的白细胞进行计数和分类,有效地降低人为误差的影响。
-
-
-
-
-