-
公开(公告)号：CN119887993A
公开(公告)日：2025-04-25
申请号：CN202510371411.X
申请日：2025-03-27
Applicant: 上海交通大学医学院附属仁济医院 , 华东师范大学
IPC: G06T11/00 , G06T5/60 , G06T5/70 , G06T5/90 , G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/084 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82
Abstract: 本发明涉及图像处理和医学领域，公开了一种生成磁共振质子密度脂肪分数与R2星定量图的方法，包括以下步骤：获取mDixon序列图像数据和DWI序列图像数据以及对应的qDixon序列图数据，将图像数据整合构成数据集；对采集得到的图像数据进行预处理；构建从mDixon序列图像及DWI序列图像生成磁共振质子密度脂肪分数与R2星定量图的深度学习模型；利用预处理的图像数据，对建立的深度学习模型进行训练，得到训练好的深度学习模型；获取待测者的mDixon序列图像数据和DWI序列图像数据，输入训练好的深度学习模型，生成质子密度脂肪分数与R2星定量图。本发明解决了在铁过载患者中PDFF偏差较大的问题。
-
公开(公告)号：CN113705670B
公开(公告)日：2024-11-08
申请号：CN202110995093.6
申请日：2021-08-27
Applicant: 上海交通大学医学院附属仁济医院 , 上海理工大学
IPC: G06F17/00
Abstract: 本发明涉及一种基于磁共振成像和深度学习的脑部图像分类方法及设备，所述方法包括以下步骤：获取待分类的原始MRI扫描图像数据，进行预处理，获得三维MRI图像；将所述三维MRI图像作为一经训练的分类网络模型的输入，获得最终分类结果；其中，所述分类网络模型对所述三维MRI图像分别沿轴状面、矢状面和冠状面进行3D到2D的特征维度转换，分别通过轴状位基分类器、矢状位基分类器和冠状位基分类器获得对应的初始分类结果，再对多个所述初始分类结果进行集成融合，获得所述最终分类结果。与现有技术相比，本发明具有分类精度高、模型复杂度低等优点。
-
公开(公告)号：CN116523744A
公开(公告)日：2023-08-01
申请号：CN202310360418.2
申请日：2023-04-06
Applicant: 上海交通大学医学院附属仁济医院
Abstract: 本发明公开一种超高场磁共振系统中超高分辨率功能成像方法。所述成像方法包括：步骤S1，确定向被试生物体脑部所施加的二维空间选择性射频脉冲序列，二维空间选择性射频脉冲序列用于减小相位编码方向的扫描野FOV且不产生信号折叠。较佳地，所述成像方法进一步包括：步骤S2，基于EPI的GRAPPA算法对K空间进行欠采和重建。本发明的有益效果在于：用于实现超高场磁共振系统中超高分辨率功能成像。
-
公开(公告)号：CN114305387A
公开(公告)日：2022-04-12
申请号：CN202111588660.2
申请日：2021-12-23
Applicant: 上海交通大学医学院附属仁济医院 , 上海理工大学
IPC: A61B5/055
Abstract: 本发明涉及一种基于磁共振成像的脑小血管病变图像分类方法、设备及介质，所述方法首先构建并训练基于集成学习的图像分类模型，然后获取待分类脑MRI图像，应用所述图像分类模型获取该待分类脑MRI图像对应的病变类别；训练所述基于集成学习的图像分类模型具体包括以下步骤：S101、获取脑MRI数据集，对所述脑MRI数据集的图像进行预处理，获取预处理后图像；S102、对所述预处理后图像进行计算分析，获取对应的多个功能度量，基于所述多个功能度量筛选获得用于分类的若干个度量特征；S103、基于所述度量特征训练所述图像分类模型。与现有技术相比，本发明具有精度高、易于操作等优点。
-
Patent Agency Ranking
公开(公告)号：CN114035133A
公开(公告)日：2022-02-11
申请号：CN202111425656.4
申请日：2021-11-26
Applicant: 上海交通大学医学院附属仁济医院
IPC: G01R33/563 , G01R33/565 , A61B5/055
Abstract: 本发明公开一种小动物全脑脑脊液定量流速的磁共振成像方法及设备。所述磁共振成像方法是将广义复数域的哈达玛矩阵编码的多带激发射频脉冲应用于磁共振相位对比法成像技术（PC‑MRI）中。本发明的有益效果在于：磁共振成像时间大大降低，实现对小动物全脑脑脊液流速做快速精确的定量成像。
-
公开(公告)号：CN113705670A
公开(公告)日：2021-11-26
申请号：CN202110995093.6
申请日：2021-08-27
Applicant: 上海交通大学医学院附属仁济医院 , 上海理工大学
Abstract: 本发明涉及一种基于磁共振成像和深度学习的脑部图像分类方法及设备，所述方法包括以下步骤：获取待分类的原始MRI扫描图像数据，进行预处理，获得三维MRI图像；将所述三维MRI图像作为一经训练的分类网络模型的输入，获得最终分类结果；其中，所述分类网络模型对所述三维MRI图像分别沿轴状面、矢状面和冠状面进行3D到2D的特征维度转换，分别通过轴状位基分类器、矢状位基分类器和冠状位基分类器获得对应的初始分类结果，再对多个所述初始分类结果进行集成融合，获得所述最终分类结果。与现有技术相比，本发明具有分类精度高、模型复杂度低等优点。
-
公开(公告)号：CN119672034B
公开(公告)日：2025-04-18
申请号：CN202510202585.3
申请日：2025-02-24
Applicant: 上海交通大学医学院附属仁济医院 , 上海皓桦科技股份有限公司
Abstract: 本发明涉及医学图像处理领域，公开了一种基于腹部CT影像的肝硬度程度自动评估方法及系统，包括：对CT图像进行预处理，将预处理后的CT图像分割成多个patch；构建神经网络模型，提取训练数据集，训练网络模型，输入分割后CT图像，输出每个patch的推理结果；根据每个patch的推理结果，合并成整张影像中肝脏体积的推理结果；基于肝脏体积推理结果，获取肝脏在CT图像中的边缘；根据肝脏的边缘，进行LSN测量；根据LSN测量结果，对肝硬度程度进行评估。本发明基于AI自动识别肝脏和合理的肝边缘，全程由系统自动化处理，免去了对专业医师的需求、软件的使用前培训和烦琐的操作流程。
-
公开(公告)号：CN119672034A
公开(公告)日：2025-03-21
申请号：CN202510202585.3
申请日：2025-02-24
Applicant: 上海交通大学医学院附属仁济医院 , 上海皓桦科技股份有限公司
Abstract: 本发明涉及医学图像处理领域，公开了一种基于腹部CT影像的肝硬度程度自动评估方法及系统，包括：对CT图像进行预处理，将预处理后的CT图像分割成多个patch；构建神经网络模型，提取训练数据集，训练网络模型，输入分割后CT图像，输出每个patch的推理结果；根据每个patch的推理结果，合并成整张影像中肝脏体积的推理结果；基于肝脏体积推理结果，获取肝脏在CT图像中的边缘；根据肝脏的边缘，进行LSN测量；根据LSN测量结果，对肝硬度程度进行评估。本发明基于AI自动识别肝脏和合理的肝边缘，全程由系统自动化处理，免去了对专业医师的需求、软件的使用前培训和烦琐的操作流程。
-
公开(公告)号：CN117115535A
公开(公告)日：2023-11-24
申请号：CN202311079184.0
申请日：2023-08-24
Applicant: 上海交通大学医学院附属仁济医院
IPC: G06V10/764 , G06V10/40 , G06V10/80 , G06V10/26 , G16H30/00
Abstract: 本发明涉及一种基于深度学习的前列腺影像检测方法及检测系统，该检测方法包括以下步骤：获取带标记的多模态前列腺数据集，包括结构性成像数据集和功能性成像数据集；将所述多模态前列腺数据集输入至预先构建好的前列腺癌症病灶分割网络模型，最终输出癌症病灶的分割图和PI‑RADs评分；其中，在构建所述前列腺癌症病灶分割网络模型过程中，结构性成像数据集和功能性成像数据集分别采用单通道输入和多通道输入方式输入至模型中，并行计算特征编码以提取高维特征。与现有技术相比，本发明具有有效提升影像检测准确度等优点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.032 seconds)
