公开(公告)号：CN118542659B

公开(公告)日：2025-05-02

申请号：CN202410755733.X

申请日：2024-06-12

Applicant: 上海交通大学医学院附属瑞金医院 ,  复旦大学附属儿科医院

Inventor： 程增辉 ,  王一雪 ,  严福华 ,  陆勇 ,  王嘉 ,  周凌霄

IPC: A61B5/08 ,  A61B5/113 ,  A61B5/00 ,  G06V40/20 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82

Abstract: 本申请涉及机器视觉技术领域，公开了一种基于机器视觉的呼吸监测方法、装置、设备及存储介质。所述方法包括：通过图像传感器采集呼吸运动图像数据；进行动作识别和片段选择，得到运动状态图像序列以及休息状态图像序列；计算初始ROI区域图像；进行图像预处理，得到目标ROI区域图像，并进行时变特征提取，得到时变特征集合；进行呼吸率分析，得到呼吸率分布曲线；进行呼吸率异常检测，得到呼吸率异常检测结果；通过呼吸率异常检测结果从呼吸率异常处理列表中进行呼吸率异常处理策略匹配，得到目标呼吸率异常处理策略并进行呼吸监测告警，本申请采用机器视觉技术提高了呼吸监测的准确率。

公开(公告)号：CN118297972A

公开(公告)日：2024-07-05

申请号：CN202410484097.1

申请日：2024-04-22

Applicant: 上海交通大学医学院附属瑞金医院

Inventor： 程增辉 ,  严福华 ,  柴维敏

IPC: G06T7/11 ,  G06V10/774 ,  G06V10/34 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种基于骨架系数的肺部气管分割方法及装置，通过基于标签气管树为训练样本中的每一像素设置训练权重；其中，当训练样本中的任一像素对应的肺部气管标签为气管像素时，该像素距离标签气管树的根节点越远，该像素的训练权重越大；继而基于训练样本中每一像素的网络预测结果、训练权重以及每一像素对应的肺部气管标签，计算模型损失，并据此对初始分割网络进行反向参数更新，得到肺部气管分割网络，以利用该网络对待处理CT图像进行肺部气管分割，得到其中的肺部气管区域，通过提升针对远离气管根部的末端气管像素的训练权重，加强训练过程中对该类像素的监督，从而提升网络对末端气管的预测性能，可预测得到分支更多更长的预测结果。

公开(公告)号：CN118542659A

公开(公告)日：2024-08-27

申请号：CN202410755733.X

申请日：2024-06-12

Applicant: 上海交通大学医学院附属瑞金医院 ,  复旦大学附属儿科医院

Inventor： 程增辉 ,  王一雪 ,  严福华 ,  陆勇 ,  王嘉 ,  周凌霄

IPC: A61B5/08 ,  A61B5/113 ,  A61B5/00 ,  G06V40/20 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82

Abstract: 本申请涉及机器视觉技术领域，公开了一种基于机器视觉的呼吸监测方法、装置、设备及存储介质。所述方法包括：通过图像传感器采集呼吸运动图像数据；进行动作识别和片段选择，得到运动状态图像序列以及休息状态图像序列；计算初始ROI区域图像；进行图像预处理，得到目标ROI区域图像，并进行时变特征提取，得到时变特征集合；进行呼吸率分析，得到呼吸率分布曲线；进行呼吸率异常检测，得到呼吸率异常检测结果；通过呼吸率异常检测结果从呼吸率异常处理列表中进行呼吸率异常处理策略匹配，得到目标呼吸率异常处理策略并进行呼吸监测告警，本申请采用机器视觉技术提高了呼吸监测的准确率。

公开(公告)号：CN119785099A

公开(公告)日：2025-04-08

申请号：CN202411915259.9

申请日：2024-12-24

Applicant: 上海交通大学医学院附属瑞金医院

Inventor： 严福华 ,  程增辉 ,  周凌霄

IPC: G06V10/764 ,  G06V20/64 ,  G06V10/82 ,  G06V10/26 ,  G06V10/44 ,  G06V10/46 ,  G06V10/52 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/045 ,  G16H50/20 ,  G16H50/30 ,  G16H50/70

Abstract: 本发明涉及一种基于CT影像的肺结节的分辨处理方法，包括以下步骤：对用户进行CT扫描获取肺部影像数据，并对所述肺部影像数据进行三维重构，得到三维图像；通过预设的识别算法，基于所述三维图像进行肺结节的注意力识别，得到肺结节图像；对所述肺结节图像进行分割，得到肺结节的内部结构和肺结节特征；基于所述内部结构和肺结节特征对所述肺结节进行风险评估，得到风险评估等级；若所述风险评估等级超过预定的风险等级，则对所述超过预定的风险等级对应的肺结节进行分类，得到肺结节的分类结果；解决了由于肺结节形态多样、对比度低，人工识别困难的技术问题。

公开(公告)号：CN118553409A

公开(公告)日：2024-08-27

申请号：CN202410720187.6

申请日：2024-06-05

Applicant: 上海交通大学医学院附属瑞金医院

Inventor： 严福华 ,  陆勇 ,  程增辉 ,  王嘉 ,  周凌霄

IPC: G16H50/20 ,  A61B5/0205 ,  A61B5/145 ,  A61B5/00 ,  A61B5/01 ,  A61B6/50 ,  A61B6/00 ,  A61B6/46 ,  G16H30/40 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/82 ,  G06V10/84

Abstract: 本申请涉及深度学习技术领域，公开了一种基于多模态成像技术的呼吸模式识别方法及系统。所述方法包括：基于多模态成像技术和多传感器组采集目标呼吸图像数据、多个目标生理指标数据以及多个目标环境参数数据；进行特征提取和特征数据量化，得到图像特征量化数据和生理特征量化数据；创建初始特征融合向量并进行注意力机制加权分析，得到目标特征融合向量；通过EM‑DNN模型进行呼吸模式识别，得到第一呼吸模式识别结果；通过贝叶斯网络进行呼吸环境影响因数计算，得到呼吸环境影响因数集合；进行结果校验，得到目标用户的第二呼吸模式识别结果，本申请采用多模态成像技术和深度学习技术提高了呼吸模式识别的准确率。