-
公开(公告)号：CN119169198A
公开(公告)日：2024-12-20
申请号：CN202411325376.X
申请日：2024-09-23
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T17/00 , G06T17/20 , G06T5/70 , G06T5/90 , G06T7/30 , G06T7/00 , G06T7/11 , G06V10/82 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及心脏模型技术领域，具体而言涉及基于多模态医学扫描成像的心脏解剖重构方法，包括以下步骤：S1、通过心脏计算机断层扫描、心脏磁共振成像以及超声心动图的方式获取心脏的多模态图像数据；S2、对获得的图像数据进行预处理，所述预处理包括去噪、对比度增强、归一化和图像配准步骤，使不同模态的图像能相互准确对齐。本发明多模态表征学习可以通过利用不同种模态信息之前的差异性进行互补学习，有利于模型能够更好的提取特征信息，并通过动态心动图像预测心脏在实际生理状态下的动态行为，为心脏模型重建带来动态和功能性方面的补充，在诊断、治疗规划和预后评估中发挥更大的作用。
-
公开(公告)号：CN118873148A
公开(公告)日：2024-11-01
申请号：CN202410919093.1
申请日：2024-07-10
Applicant: 上海交通大学 , 上海人工智能创新中心 , 上海交通大学医学院附属瑞金医院
IPC: A61B5/318 , A61B5/346 , A61B5/00 , A61B5/36 , A61B5/352 , A61B5/366 , G06F18/24 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06N3/098
Abstract: 本发明涉及一种基于异常检测预训练的心电图长尾分类方法、装置及介质，其中方法包括以下步骤：获取多尺度心电图信号；获取心电报告信息，提取报告属性信息和分类结果；基于多尺度心电图信号和报告属性信息预训练异常检测模型；以信号趋势辅助恢复中得到的信号趋势特征和多尺度交叉恢复中得到的全局心电特征的串联组合作为长尾分类网络的输入，从心电报告中提取的分类结果作为输出，训练长尾分类网络；将待检测心电图信号输入预训练完成的异常检测模型，对得到的信号趋势特征和全局心电特征进行串联组合，并将组合得到的特征输入到下游的长尾分类网络进行异常类型多分类，得到分类预测结果概率。与现有技术相比，本发明具有提高了分类结果的全面性和可靠性等优点。
-
公开(公告)号：CN118797474A
公开(公告)日：2024-10-18
申请号：CN202410786149.0
申请日：2024-06-18
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06F18/2415 , G06N3/0499 , G06F18/213 , G06F18/25 , G06F18/214 , G16H50/20 , G16H10/60
Abstract: 本发明提供一种基于心电图的心肌梗死预测系统，包括数据预处理模块、信号特征提取预测模块、模型训练模块；所述数据预处理模块对患者原始心电图进行数据处理；所述信号特征提取预测模块有效捕捉通道间的依赖关系，在处理心电图数据时，能更加精细地关注于对预测结果影响较大的特征，通过前馈神经网络进行特征融合和分析，输出最终的预测结果；模型训练模块采用交叉熵损失函数训练，以最小化预测结果与实际标签之间的差异，对输出结果进行优化训练，提升对阳性样本预测的准确性和精度。与传统的诊断方法相比，本发明不仅能够检测常规的肌钙蛋白I，还引入了高敏肌钙蛋白I的检测方法，以适应不同生物标志物检测的心肌损伤，从而提高了诊断的准确性和可靠性。
-
公开(公告)号：CN118430783A
公开(公告)日：2024-08-02
申请号：CN202410539525.6
申请日：2024-04-30
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H50/20 , G16H30/40 , G06V10/20 , G06V10/44 , G06V10/764 , G06T7/00 , G06T5/00 , G06T7/11 , G06T7/30 , G06N3/044 , G06N3/0464
Abstract: 本发明涉及辅助诊断技术领域，具体而言涉及肾脏病理图像智能辅助诊断方法及诊断系统，包括以下步骤：步骤S1、获取肾脏病理图像；步骤S2、对获得的肾脏病理图像进行预处理，所述预处理包括图像增强、图像分割和图像配准，用于提高图像的质量和一致性；步骤S3、利用卷积神经网络或循环神经网络对预处理后的所述肾脏病理图像进行特征提取。将深度学习网络与传统的图像处理方法相结合，实现对肾脏病理图像的高效预处理、特征提取、分类和预测。利用肾脏病理图像中的多种信息，提高诊断的精度和细致度。提高肾脏病理诊断的效率和速度，减轻了病理医生的工作负担，缓解肾脏病理医生的短缺问题。
-
公开(公告)号：CN118116267A
公开(公告)日：2024-05-31
申请号：CN202311864156.X
申请日：2023-12-29
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G09B23/28
Abstract: 本发明提供一种多自由度腹腔镜手术模拟力反馈装置，包括基座台、器械连接件及仿真练习器械，仿真练习器械通过器械连接件设置于基座台上，器械连接件包括万向球、环形架及限位压板，环形架配合连接于万向球的下半球部分，限位压板抵触于万向球的上半球部分，以使万向球限位于环形架中；仿真练习器械包括仿真手术钳，仿真手术钳包括钳杆以及连接钳杆的钳柄，钳杆穿插于万向球中；其中，环形架和限位压板上设有与万向球表面接触的第一力反馈装置和第二力反馈装置，万向球的内部设有第三力反馈装置。这种设计可以最大程度模拟实际手术中的操作方式，克服了现有方案中的练习设备受机械结构限制而导致器械活动范围有限的问题。
-
Patent Agency Ranking
公开(公告)号：CN117464990A
公开(公告)日：2024-01-30
申请号：CN202311433820.5
申请日：2023-10-31
Applicant: 上海交通大学医学院附属瑞金医院
IPC: B29C64/124 , B33Y10/00
Abstract: 本发明提供了一种仿生肝脏及制备方法，其中仿生肝脏制备方法包括利用3D打印制作仿生肝脏的血管阳模；利用3D打印制作仿生肝脏的肝脏本体阴模；将所述血管阳模放置在所述肝脏本体阴模中，并在所述肝脏本体阴模中注入生成肝脏本体的溶剂；溶解所述肝脏本体内的血管阳模，制得仿生肝脏。实现可制造性，且成本低，同时提升模型的真实性，提供一个安全且逼真地手术模拟平台。
-
公开(公告)号：CN111523502B
公开(公告)日：2023-06-20
申请号：CN202010361140.7
申请日：2020-04-30
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , A61B5/00 , A61B5/28
Abstract: 本申请涉及图像处理领域，公开了一种心电图图像处理方法、设备、介质和心电图仪。本申请的心电图图像处理方法包括：接收心电图图像，提取心电图图像的特征图，并对特征图进行降维处理得到注意力图，使用双线性注意力池处理从特征图和注意力图提取特征矩阵，使用多头自注意力处理对特征矩阵进行自适应的权重学习并加权融合得到表达矩阵，基于所述表达矩阵，对心电图图像进行多标签分类。本申请可以对心电图图像进行直接判读，而不局限在使用传统的数字信号，同时能抓住心电图片中细微的差异性，从而进行心电异常的分类，抗噪能力强。
-
公开(公告)号：CN113974649A
公开(公告)日：2022-01-28
申请号：CN202111468540.9
申请日：2021-12-03
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本发明涉及心电检测技术领域，特别涉及心搏信号的分类的和用于心搏信号的分类的深度学习模型的训练的方法、设备和介质。通过卷积神经网络，确定多个连续心搏中的每一个心搏的信号的特征；通过第一Transformer模型的Encoder模块，根据每一个心搏的信号的特征，确定多个连续心搏中的心搏的信号之间的关系；通过全连接神经网络，确定多个连续心搏中的每一个心搏的RR间期特征的特征；通过第二Transformer模型的Encoder模块，根据每一个心搏的RR间期特征的特征，确定多个连续心搏中的心搏的RR间期特征之间的关系；通过神经网络的全连接层，根据每一个心搏的信号的特征、心搏的信号之间的关系、每一个心搏的RR间期特征的特征和心搏的RR间期特征之间的关系，确定每一个心搏的类别。
-
公开(公告)号：CN113974649B
公开(公告)日：2025-02-14
申请号：CN202111468540.9
申请日：2021-12-03
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本发明涉及心电检测技术领域，特别涉及心搏信号的分类的和用于心搏信号的分类的深度学习模型的训练的方法、设备和介质。通过卷积神经网络，确定多个连续心搏中的每一个心搏的信号的特征；通过第一Transformer模型的Encoder模块，根据每一个心搏的信号的特征，确定多个连续心搏中的心搏的信号之间的关系；通过全连接神经网络，确定多个连续心搏中的每一个心搏的RR间期特征的特征；通过第二Transformer模型的Encoder模块，根据每一个心搏的RR间期特征的特征，确定多个连续心搏中的心搏的RR间期特征之间的关系；通过神经网络的全连接层，根据每一个心搏的信号的特征、心搏的信号之间的关系、每一个心搏的RR间期特征的特征和心搏的RR间期特征之间的关系，确定每一个心搏的类别。
-
公开(公告)号：CN119206075A
公开(公告)日：2024-12-27
申请号：CN202411325372.1
申请日：2024-09-23
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本发明涉及人体三维模型扫描技术领域，具体而言涉及集成人体和脸部三维扫描的人体三维模型扫描装置和扫描方法，包括：数据采集模块，包括多个独立的数据采集单元，每个所述数据采集单元用于采集扫描对象的局部点云数据；补光系统，包括多个独立的补光单元，每个补光单元耦合到对应的所述数据采集单元，用于向扫描对象的局部进行补光；数据传输模块，包括多个独立的数据传输单元。通过一次完整的扫描，系统可以捕捉到被采集者的全貌，同时细致地呈现面部的特征，实现整体和局部数据的全面采集。这种一体化的扫描方式不仅提高了数据采集的效率，还简化了操作流程，减少了人为干预的可能性，从而确保数据的准确性和一致性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.037 seconds)
