-
公开(公告)号：CN115018767A
公开(公告)日：2022-09-06
申请号：CN202210477177.5
申请日：2022-05-03
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/11 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/26 , G06V10/774
Abstract: 本发明属于医学图像处理技术领域，具体为一种跨模态内镜图像转换及病灶区域分割方法。本发明通过构建的基于本征表示学习的神经网络，将消化道内窥镜白光图像转换成高质量的窄带图像；使用无监督训练的本质特征提取器获取白光图像的本质特征，通过空洞空间卷积池化金字塔网络进行病灶区域的预测，得到病灶区域的分割结果；测试时，待测白光图像只需要和一张辅助的窄带图像经过一次前向传播，即可获得白光图像对应的窄带图像。本方法采用无监督学习方式，拥有很好的泛化性，在不同内窥镜设备上效果优异。本发明能够为白光内窥镜设备提供额外的窄带成像，为医生诊断提供更好的参考，基于窄带图像辅助的病灶区域分割能够自动定位病灶区域，从而大大提高疾病诊断效率，降低发病率和死亡率。
-
公开(公告)号：CN108921854B
公开(公告)日：2022-06-21
申请号：CN201810496495.X
申请日：2018-05-22
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为一种消化道内镜图像不规则病变区域标注方法及系统。本发明方法包括：选择目标文件夹，获取文件夹下图像的文件名；自动生成输出路径；初始化图像掩膜；裁剪图像和掩膜并记录裁剪位置；标注病变区域，更新掩膜；根据掩膜生成边框；保存裁剪后的图像、裁剪位置、掩膜和病变区域的边框。所述系统主要包括裁剪和标注两个功能，医生可以剪掉内镜图像中对训练深度神经网络有负面影响的部分、用曲线在内镜图像中勾勒出不规则病变区域，系统自动保存裁剪的图像、位置、掩膜、病变区域的边框，提高标注效率。
-
公开(公告)号：CN114359628A
公开(公告)日：2022-04-15
申请号：CN202111537613.5
申请日：2021-12-15
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于医疗图像处理技术领域，具体为一种利用相邻帧时空信息的食管内镜视频帧序列质量分类的算法。本发明算法包括：构建用于视频帧序列预测算法的卷积神经网络模型，包括内容特征提取子网络、运动特征提取子网络，参考两种特征的信息，最后通过全连接子网络给出中间帧的视频质量分数；进行数据的收集与模型的训练，当训练的目标函数降低至某可接受阈值，即可认为网络收敛；最后，将连续三帧图像输入到训练好的网络模型中，得到中间帧的质量分类；实验结果表明，本发明算法的质量分类的准确性超过85％，对于临床食管内镜的诊断与质量控制，具有很强的应用价值。
-
公开(公告)号：CN114298975A
公开(公告)日：2022-04-08
申请号：CN202111486801.X
申请日：2021-12-07
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于医疗图像处理技术领域，具体为一种基于PyQt5的食管内镜图像序列的质量标注工具。本发明包括五个模块：文件夹选择与打开模块、图像质量标记模块、训练样本生成模块、显示模块与切换控制模块；五个模块协同工作，共同完成文件夹内食管内镜图像序列的质量高与低的标注。本发明可以辅助医生完成对某个文件夹内的食管内镜图像序列进行质量评判的标注工作。食道内镜图片质量分为高质量或者低质量，由医生根据临床经验进行相应的判断。本发明工具操作简单，步骤清晰，直接生成神经网路训练所需要的数据对，适用于各种需要对医疗图像序列(不限于食管内镜)进行质量高低标注的场合。
-
公开(公告)号：CN114107388A
公开(公告)日：2022-03-01
申请号：CN202111340984.4
申请日：2021-11-12
Applicant: 复旦大学附属中山医院
IPC: C12N15/861 , C12N5/10
Abstract: 本发明涉及一种腺病毒转染类器官的方法，包括以下步骤：消化：对类器官进行消化处理；转染：消化处理后的类器官中加入腺病毒的病毒液，孵育；培养：孵育后的类器官离心分离后，进行培养，得到腺病毒转染的类器官。与现有技术相比，本发明方法不需要细胞因子的加入，降低了转染成本；本发明方法可以使用腺病毒转染，可转染的片段长度更长；本发明方法无需购置额外的设备，可运用普通的冰冻离心机和培养箱完成转染。
-
Patent Agency Ranking
公开(公告)号：CN114107208A
公开(公告)日：2022-03-01
申请号：CN202111342231.7
申请日：2021-11-12
Applicant: 复旦大学附属中山医院
IPC: C12N5/09 , C12Q1/6869
Abstract: 本发明涉及一种人源性类器官库的制备方法，包括以下步骤：获取标本，将标本分为测序部分以及培养部分；标本的测序部分放入RNA保存液中，进行全基因组测序，并根据目标基因进行分类；标本的培养部分进行类器官培养；类器官培养时依据类器官生长情况，每2‑3天换液一次，每4‑6天传代一次，传代时一半以1:2的比例进行传代，一半进行冻存；将每一代冻存的类器官进行编号分类存放，直至第八代时冻存全部类器官。本发明通过测序的方法对类器官进行分类。可以依据不同种类类器官不同目标基因进行分类，对不同部位不同种类的类器官都十分适用。通过冻存、复苏类器官可以及时获取各个标本在不同时期的类器官模型，对基础实验和药筛都有可选择的空间。
-
公开(公告)号：CN112102256A
公开(公告)日：2020-12-18
申请号：CN202010853194.5
申请日：2020-08-22
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种面向窄带内镜图像的早期食管鳞癌的癌灶检测及诊断系统。本发明系统包括特征提取骨干网络和特征金字塔、区域候选网络、兴趣区域池化与癌灶分类网络，以及在窄带成像内镜图像上进行可视化的系统。骨干网络用于提取输入图像的特征图；特征金字塔用于将不同尺度的特征相融合；区域候选网络提出可能的病灶区域；对兴趣区域池化将特征池化到可疑病灶区域；癌灶分类网络对癌灶进行分类；最后在窄带成像内镜图像上进行可视化，使用不同的颜色对癌灶进行框选标记。将窄带成像内镜的图像输入到网络模型中，对图像中存在的早期食管鳞癌的癌灶进行检测与诊断，可有效提升诊断效率，辅助医生获取更高的诊断精度。
-
公开(公告)号：CN111996255A
公开(公告)日：2020-11-27
申请号：CN202010855030.6
申请日：2020-08-24
Applicant: 复旦大学附属中山医院 , 骏实生物科技(上海)有限公司
IPC: C12Q1/6886 , C12N15/11
Abstract: 本发明提供与结直肠恶性息肉相关的miRNA标记物，检测所述miRNA标记物的试剂及其用途。
-
公开(公告)号：CN110335230A
公开(公告)日：2019-10-15
申请号：CN201910254178.1
申请日：2019-03-30
Applicant: 复旦大学
Abstract: 本发明属于医疗图像处理技术领域，具体为一种内镜图像病变实时检测方法及装置。本发明方法包括采集卡采集内镜设备输出的当前图像；当前图像预处理；调用病变检测模型检测当前图像中的病变区域；检测结果后处理；将病变检测前后的图像存入缓冲区；检测缓冲区，从缓冲区读取图像；在界面显示病变检测结果。本发明装置包括内镜拍摄设备、采集卡、病变检测程序模块、缓冲区、显示设备；采集卡、病变检测程序模块、缓冲区置于计算机主机中。本发明能够实时获取内镜的视频并进行检测，输出病变检测前后的视频，便于医生观察。本发明对不同内镜设备兼容性好，安装简单，即插即用，可以辅助医生提高临床诊断效率，在实际临床诊断中有广泛应用前景。
-
公开(公告)号：CN110020610A
公开(公告)日：2019-07-16
申请号：CN201910200569.5
申请日：2019-03-16
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于深度学习的肠镜质量检查控制系统。本发明系统包括：回盲瓣识别模型，用于把图像按照回盲瓣和非回盲瓣进行分类；肠道质量评分模型，用于把图像按照波士顿肠道准备质量的评分（0-3）进行分类；两个模型由图像分类卷积神经网络将肠镜图像以及标签即回盲瓣标签或评分作为输入，经过端到端训练得到。通过识别回盲瓣以及按波士顿评分量表对肠道准备质量进行评分，对肠镜检查质量进行评估。实验结果表明，本发明系统用于肠镜检查质量的控制具有良好的特异度、敏感度，可在临床检查中辅助内镜医师，提高肠镜检查的质量。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.022 seconds)
