-
公开(公告)号：CN115375560B
公开(公告)日：2023-04-18
申请号：CN202210868669.7
申请日：2022-07-22
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06T5/00 , G06T7/00 , G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及稀疏视图3D‑DSA成像技术领域，公开了一种3D‑DSA图像的重建方法，所述方法包括以下步骤：S1，采集基于微血管的2D‑DSA图像，对所述2D‑DSA图像进行预处理；S2，将预处理后的所述2D‑DSA图像以及对应的相机参数输入至训练好的3D‑DSA重建网络中，获得重建的3D‑DSA图像。此外，本发明还公开了一种血管3D‑DSA图像的重建系统，本发明的3D‑DSA图像的重建方法及系统，通过极少的2D图像便可以有效地重建多尺度人类脑血管系统，不仅可以确保重建图像的质量，还能够显著降低病人所承受的辐射剂量。
-
公开(公告)号：CN115761109A
公开(公告)日：2023-03-07
申请号：CN202111018920.2
申请日：2021-09-01
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06T17/00 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及生物医学成像技术领域，公开了一种运用于三维光声成像的深度学习图像重建方法，包括求二阶偏导数、可训练的卷积核、多尺度特征编码、上下文提取、多尺度特征解码。本发明具有以下优点和效果：与其他的深度学习方法相比，本发明所提出的图像重建方法具有以下优点：(1)3D PAI中最佳重建和分割结果。(2)具备超强泛化能力，又称迁移学习能力。本发明仅利用内源性小动物PAI的训练模型就可以重建和分割人体乳房光声图像和宽视场外源光声图像。这是第一次在3D成像的超密集和宽视野血管网络中进行高质量的重建和分割。这种提出的高保真重建和分割技术将加速光声成像在临床应用和基础研究中的转化。
-
公开(公告)号：CN115375560A
公开(公告)日：2022-11-22
申请号：CN202210868669.7
申请日：2022-07-22
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明涉及稀疏视图3D‑DSA成像技术领域，公开了一种3D‑DSA图像的重建方法，所述方法包括以下步骤：S1，采集基于微血管的2D‑DSA图像，对所述2D‑DSA图像进行预处理；S2，将预处理后的所述2D‑DSA图像以及对应的相机参数输入至训练好的3D‑DSA重建网络中，获得重建的3D‑DSA图像。此外，本发明还公开了一种血管3D‑DSA图像的重建系统，本发明的3D‑DSA图像的重建方法及系统，通过极少的2D图像便可以有效地重建多尺度人类脑血管系统，不仅可以确保重建图像的质量，还能够显著降低病人所承受的辐射剂量。
-
公开(公告)号：CN114998200A
公开(公告)日：2022-09-02
申请号：CN202210438073.3
申请日：2022-04-25
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06T7/00 , G06V10/74 , G06V10/774
Abstract: 本发明公开了一种基于影像数据构建高个体辨识力的脑功能网络方法，包括以下步骤：步骤S1、基于一组参照脑影像数据得到群体共性脑影像数据分量和共性率，以及群体个性脑影像数据分量和群体个性脑影像数据分量的个性率；步骤S2、得到个体共性脑影像数据分量以及个体共性脑影像数据分量的共性率，共性惩罚率，得到个体个性脑影像数据分量的个性奖励率；步骤S4、基于所述共性惩罚率和个性奖励率将个体脑影像数据构建为基础个体脑功能网络，并得到表征高个体辨识力的目标个体脑功能网络。本发明实现在个体化识别时降低共性特征的对相似度识别的干扰，从有限的功能磁共振成像数据得到尽可能高个体辨识力的影像特征或者指标，提高个体化识别的精度。
-
公开(公告)号：CN114926388A
公开(公告)日：2022-08-19
申请号：CN202210227144.5
申请日：2022-03-08
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明公开了一种用于新冠肺炎病灶识别的CT图像处理方法及系统，包括以下步骤：步骤S1、依次将一组新冠肺炎确诊患者在新冠肺炎确诊阶段且包含新冠肺炎病灶的肺部CT图像标记为确诊CT图像，以及在新冠肺炎未确诊阶段且不包含新冠肺炎病灶的肺部CT图像标记为未确诊CT图像；步骤S2、将确诊CT图像和未确诊CT图像分别沿横向中轴线和纵向中轴线均分割为四个局部图像，依次统计未确诊CT图像中每个局部图像的潜在发生率。本发明利用新冠肺炎确诊患者的确诊CT图像和未确诊CT图像进行模型训练，实现通过未确诊CT图像预测出未确诊患者患新冠肺炎疾病的患病概率和病灶的高发区域，以实现对新冠疾病的提前预警。
-
Patent Agency Ranking
公开(公告)号：CN114781475A
公开(公告)日：2022-07-22
申请号：CN202210227173.1
申请日：2022-03-08
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06K9/62 , G06T3/60 , G06T3/40 , G06T7/11 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/04 , G06N3/08 , A61B6/00
Abstract: 本发明公开了一种基于深度学习的新冠肺炎CT图像分类方法及系统，包括以下步骤：步骤S1、在患病周期内获取一组连续表征新冠肺炎目标病患肺部状态的新冠肺炎CT图像，将一组连续的所述新冠肺炎CT图像进行阶段性划分得到多个表征新冠肺炎目标病患病情发展阶段的新冠肺炎CT图像阶段簇；步骤S2、基于深度学习机制构建新冠肺炎CT图像分类模型，并对所述新冠肺炎CT图像阶段簇进行阶段分类得到每个新冠肺炎CT图像阶段簇所表征的所述病情发展阶段，再映射至新冠肺炎CT图像阶段簇中将所述病情发展阶段作为新冠肺炎CT图像的类别标签。本发明实现对所述新冠肺炎目标病患在患病周期内的所有新冠肺炎CT图像进行分阶段的快速划分。
-
公开(公告)号：CN114723688A
公开(公告)日：2022-07-08
申请号：CN202210293732.9
申请日：2022-03-24
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06K9/62 , G06V10/764
Abstract: 本发明公开了一种用于CT影像肺炎识别的影像处理方法和系统，影像去噪模块用于对CT影像中的两瓣肺部进行影像去噪处理，并校正影像灰度不均匀性，获取灰度分布均匀的无噪声的预处理影像；识别方式选择模块用于通过计算和对比两瓣肺部的灰度平均值选择肺炎识别方式；影像填补识别模块用于将两瓣肺部的CT影像补充完成形成两个相同的肺部影像，并将两个肺部影像的相同肺部切片图层进行灰度对比，来确定肺炎结节的区域和结节尺寸；影像特征对比识别模块用于将两瓣肺部的CT影像分别与相同尺寸的标准影像进行对比，识别每瓣肺部的CT影像中的结节区域和结节尺寸；本发明选择不同的方式进行影像处理和肺炎识别，提高两种结节型肺炎的识别精度。
-
公开(公告)号：CN113854996A
公开(公告)日：2021-12-31
申请号：CN202111032939.2
申请日：2021-09-03
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明公开了一种新冠肺炎康复期患者肺部功能评估方法，包括以下步骤：步骤S1、定期采集多个新冠肺炎患者在康复期不同阶段的肺部功能表征数据，以获得肺部康复时序数据，并对所述肺部康复时序数据进行曲线拟合得到肺功能时序曲线；步骤S2、基于肺功能时序曲线的相似度对所有新冠肺炎患者进行分类得到多组康复期患者集群，实现利用全体共性对新冠肺炎患者进行集群化评估分析；步骤S3、在所述康复期患者集群对每个康复期患者进行康复监听识别出离群患者，实现利用康复期患者的个体差异性进行离群患者的单独评估管理。本发明利用康复期患者的个体差异性进行离群患者的单独评估管理，提高了新冠肺炎患者的管理精度。
-
公开(公告)号：CN113283357A
公开(公告)日：2021-08-20
申请号：CN202110609080.0
申请日：2021-06-01
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明公开了一种脑功能数据分析的个体脑功能网络提取方法，包括以下步骤：步骤S1、实时采集个体的脑功能数据形成脑功能数据链，并对所述脑功能数据链进行波动分析生成病态脑功能数据链；步骤S2、对所述病态脑功能数据链中所有的病态脑功能数据进行区块匹配生成具有同属性数据噪声的噪声区块集群，并对所述噪声区块集群进行低秩张量恢复以去除噪声区块集群的数据噪声转换为重构区块集群；步骤S3、将所述重构区块集群进行区块重构并恢复至特征清晰的病态脑功能数据帧，依据所述病态脑功能数据帧构建清晰凸显个体病态特征的病态个体脑功能网络。本发明快速精准的掌控病态个体脑功能网络，为后续医疗分析提供有效辅助。
-
公开(公告)号：CN113052186A
公开(公告)日：2021-06-29
申请号：CN202110287453.7
申请日：2021-03-17
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明公开了一种基于影像学的新冠肺炎诊断和病情追踪方法及系统，方法包括：将患者CT图像载入卷积神经网络中提取浅层特征；将浅层特征通过D层残差密集块RDB均进行局部特征融合得到稠密残差特征；将D层残差密集块RDB的每层对应的稠密残差特征串联后并通过一个1*1卷积核的卷积进行融合，得到全局特征；将浅层特征与全局特征通过残差连接融合在一起进行全局特征学习；最终通过softmax分类器对特征提取后的图像进行分类，判断患者是否属于新冠肺炎患者。本发明基于医学图像和神经网络技术，通过智能方式实现新冠肺炎病症的诊断和病情追踪，可以避免采用人工检测或者设备检测等手段，减轻医生工作量，减少了人力物力成本。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.055 seconds)
