-
公开(公告)号：CN113436155A
公开(公告)日：2021-09-24
申请号：CN202110668377.4
申请日：2021-06-16
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于深度学习的超声臂丛神经图像识别方法，涉及超声图像智能识别技术领域，该方法包括：获取多例超声神经图像数据并进行预处理，构建训练神经网络模型所需的带有标签的超声图像数据集；将超声图像数据集按照8:2的比例分为训练集和测试集，将训练集中的超声图像进行扩充和特征增强；构建挤压‑注意力机制模块SA加到传统卷积中；在V‑net网络中引入挤压激励模块和注意力机制模块从而构建SA V‑net网络模型并进行训练；载入训练好的SA V‑net网络模型，输入测试集进行预测得到识别结果，并根据标签计算Dice系数。本发明能够帮助临床医生快速准确的定位需要进行神经阻滞的区域，帮助使得患者在术中更加平稳，术后恢复更快，具有更好的临床实用性。
-
公开(公告)号：CN112907563A
公开(公告)日：2021-06-04
申请号：CN202110286102.4
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Inventor： 于泽宽 , 耿道颖 , 陈泓亦 , 陆青青 , 刘学玲 , 吕锟 , 王容 , 杜鹏 , 文剑波 , 韩秋月 , 张海燕 , 杜成娟 , 王娜 , 李璇璇 , 吴昊 , 耿岩 , 张军 , 尹波 , 李郁欣 , 王俊杰 , 陈卫强 , 李强 , 张顺 , 曹鑫
Abstract: 本发明提供了一种基于深度学习的CTA全自动侧枝循环评分方法及系统，涉及医学图像处理技术领域，该方法包括：步骤S1：对大脑CTA图像进行掩模和归一化的预处理；步骤S2：对CTA图像进行脑区划分，获取相关解剖图谱以及功能图谱，获取加权大脑各脑区掩模图；步骤S3：对掩模与归一化后的CTA图像进行血管分割；步骤S4：基于血管分割结果量化计算评分特征；步骤S5：基于卷积神经网络测量血管壁厚度的评分特征；步骤S6：构建多标签评分分类模型，对计算得到的特征向量进行分类评分。本发明能够实现基于血流代偿途径的侧枝循环血管分级机制，并提高小血管的分割精度，还能使得评分策略具有更广泛的适用范围与更客观的评价阈值。
-
公开(公告)号：CN112101523A
公开(公告)日：2020-12-18
申请号：CN202010857268.2
申请日：2020-08-24
Applicant: 复旦大学附属华山医院
Inventor： 耿道颖 , 于泽宽 , 陈泓亦 , 张军 , 尹波 , 李郁欣 , 吴昊 , 曹鑫 , 张海燕 , 胡斌 , 潘嘉炜 , 鲍奕仿 , 周书怡 , 陆怡平 , 耿辰 , 夏威 , 杨丽琴
Abstract: 本发明提供了一种基于深度学习的CBCT图像跨模态预测CTA图像的卒中风险筛查方法和系统，包括：步骤1：构建循环对抗性生成网络模型；步骤2：通过CBCT图像及其对应的造影图像数据训练循环对抗性生成网络模型；步骤3：将测试图像输入至已训练好的循环对抗性生成网络模型，生成血管造影CT图像；步骤4：根据血管造影CT图像中颈动脉的形态、颈动脉狭窄程度及弯曲度预测卒中风险。本发明基于深度学习模型，将非增强CBCT图像转换为增强CT血管造影图像，进行颈动脉血管分割提取，量化计算颈动脉狭窄程度和弯曲度，进而预测脑卒中风险，为临床获取CTA图像及诊断提供了一种便捷、经济、高效的新途径。
-
公开(公告)号：CN111612754A
公开(公告)日：2020-09-01
申请号：CN202010413904.2
申请日：2020-05-15
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于多模态图像融合的MRI肿瘤优化分割方法及系统，包括：步骤1：构建MRI肿瘤多模态图像融合的网络；步骤2：构建用于增强肿瘤图像分割的多模态3D网络；步骤3：基于GAN的图像融合，构建显著性损失函数；步骤4：构建Mask注意机制对比度损失函数；步骤5：构建SSIM损失函数；步骤6：根据MRI肿瘤多模态图像融合的网络、多模态3D网络和三个损失函数进行MRI肿瘤优化分割。本发明当训练深层架构时，一个剩余单位会有所帮助；利用递归残差卷积层进行特征积累，为分割任务提供了更好的特征表示；为医学图像分割设计了具有相同网络参数、性能较好的U-NET体系结构。
-
-
-
Search Results
44
records
(took 0.015 seconds)
