-
公开(公告)号：CN114494171A
公开(公告)日：2022-05-13
申请号：CN202210053901.1
申请日：2022-01-18
Applicant: 上海交通大学医学院附属瑞金医院 , 华东师范大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T7/33 , G06T5/00 , G06V10/77 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/055 , A61B5/00
Abstract: 本发明公开了一种深度学习结合个性化图集基于T1W和QSM自动分割脑深部灰质结构（尾状核、壳核、苍白球、黑质、红核、齿状核）的方法，包括步骤：采集T1W和QSM磁共振数据、医生手工标注脑深部灰质结构；提取T1W脑影像的特征向量；对所有T1W脑影像的特征向量进行无监督聚类，挑选出代表性影像和医生的标注组成个性化图集；将个性化图集中的T1W影像和标注与其他被试T1W影像进行配准，得到初步分割结果，构成训练集数据；构建基于注意力机制的深度学习网络模型；训练模型对脑深部灰质结构进行分割。本发明利用T1W和QSM图像的对比优势对脑深部灰质结构进行精准自动分割，将来有望用于帕金森病等运动障碍类疾病的脑影像研究和辅助临床诊断等。
-
公开(公告)号：CN119444661A
公开(公告)日：2025-02-14
申请号：CN202411285598.3
申请日：2024-09-13
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种MRA颅内动脉瘤检测方法，步骤包括：获取待检测的MRA影像数据并进行感兴趣区域提取，得到血管周围和病灶周围的局部图像块；将局部图像块送入分割网络，分割网络主干采用残差结构的UNet架构，对待分割动脉瘤图像块进行深度特征提取得到多尺度特征，通过上下文注意力调制模块将不同尺度特征图与上采样结果融合得到不同尺度特征分割结果；将得到的分割结果送入分类网络，分类网络采用集成学习器，将多种随机增强后病变区域图像分别输入ViT网络预测动脉瘤概率，对各ViT网络输出结果进行集成学习得到最终预测动脉瘤概率。与现有技术相比，本发明实现了高敏感度和低假阳率的平衡，有效提高了MRA颅内动脉瘤检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN119644221A
公开(公告)日：2025-03-18
申请号：CN202411501147.9
申请日：2024-10-25
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G01R33/56 , A61B5/055 , G01R33/561
Abstract: 本发明涉及一种滤波低翻转角多回波成像方法和系统，其中，方法包括如下步骤：获取使用低翻转角采集的目标组织的磁共振数据，其中，所述低翻转角远小于灰质的恩斯特角；从所述磁共振数据中提取一个或多个回波作为第一组图像数据；基于所述第一组图像数据，得到中间图像数据；针对所述中间图像数据进行滤波处理，通过图像重建实现成像。与现有技术相比，本发明具有保证目标组织成像的真实性、提升目标组织成像的信噪比、减少需要的采集次数等优点。
-
公开(公告)号：CN114119581A
公开(公告)日：2022-03-01
申请号：CN202111454183.0
申请日：2021-12-01
Applicant: 上海交通大学医学院附属瑞金医院 , 华东师范大学
Abstract: 本发明公开了一种基于多回波GRE序列的多任务神经网络的黑质体‑1征象自动识别方法及系统，其方法包括磁共振数据的预处理、脑部核团分割、黑质体‑1征象识别关键区域定位及黑质体‑1征象自动识别步骤；系统利用多回波GRE磁共振序列重建出对脑部黑质显示清晰的图像，利用深度学习技术对黑质核团进行分割，并对分割后的黑质区域进行黑质体‑1征象自动识别及定位；所述重建出对脑部黑质显示清晰的图像包括trueSWI图像、T2*图像、R2*图像、磁敏感加权成像及定量磁化率图像。本发明在深度学习方法中融入了临床医生的先验知识，实现了对黑质体‑1征象识别有效区域的自动定位及精准判别，大大提升了黑质体‑1征象判读的效率及准确性。
-
公开(公告)号：CN114494171B
公开(公告)日：2024-12-20
申请号：CN202210053901.1
申请日：2022-01-18
Applicant: 上海交通大学医学院附属瑞金医院 , 华东师范大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T7/33 , G06T5/60 , G06T5/90 , G06N3/0464 , G06N3/08 , G06V10/762 , G06V10/774 , G06V10/82 , A61B5/055 , A61B5/00
Abstract: 本发明公开了一种深度学习结合个性化图集基于T1W和QSM自动分割脑深部灰质结构（尾状核、壳核、苍白球、黑质、红核、齿状核）的方法，包括步骤：采集T1W和QSM磁共振数据、医生手工标注脑深部灰质结构；提取T1W脑影像的特征向量；对所有T1W脑影像的特征向量进行无监督聚类，挑选出代表性影像和医生的标注组成个性化图集；将个性化图集中的T1W影像和标注与其他被试T1W影像进行配准，得到初步分割结果，构成训练集数据；构建基于注意力机制的深度学习网络模型；训练模型对脑深部灰质结构进行分割。本发明利用T1W和QSM图像的对比优势对脑深部灰质结构进行精准自动分割，将来有望用于帕金森病等运动障碍类疾病的脑影像研究和辅助临床诊断等。
-
公开(公告)号：CN118657729A
公开(公告)日：2024-09-17
申请号：CN202410768886.8
申请日：2024-06-14
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T7/00 , G06N3/0464 , G06N3/08 , G06T7/30 , G06N3/0455 , G06V10/40 , G06V10/764
Abstract: 本发明涉及人工智能技术领域，公开了一种脑部黑质燕尾征状态识别方法、装置、设备及存储介质，用于解决现有技术中识别过程中没有针对于黑质燕尾征的特殊形态提取特征和进行识别，导致识别灵敏度降低，识别效果不好的技术问题。该方法包括：响应于脑部黑质燕尾征状态识别请求，获取脑部医学影像，并提取脑部医学影像中包含的脑部组织图像；对脑部组织图像中包含的燕尾征区域进行位置标注，得到燕尾征区域特征线；根据燕尾征区域特征线位置，提取黑质区域中燕尾征区域的外侧部图像特征和燕尾征区域的内侧部图像特征；调用燕尾征状态识别模型对外侧部图像特征和内侧部图像特征判断脑部组织图像中燕尾征状态是否为清晰状态。
-
公开(公告)号：CN218635986U
公开(公告)日：2023-03-17
申请号：CN202222251485.4
申请日：2022-08-26
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本实用新型公开了一种实验动物用核磁共振固定扫描装置，气囊主体内壁两端分别设有一圈头部固定气囊和腹部固定气囊，气囊主体靠近头部固定气囊位置的一端部封闭设有阻挡薄膜，气囊主体内腔靠内侧位置设有阻隔腔室，阻隔腔室中固定设有间隔薄膜，间隔薄膜将阻隔腔室分隔成第一缓冲区和第二缓冲区，头部固定气囊通过第一气孔与第一缓冲区连通，腹部固定气囊通过第二气孔与第二缓冲区连通，气囊主体外表面安装有拉链开关。本实用新型能够对实验动物的头部和腹部进行有效固定，能够避免实验动物晃动，从而保证核磁共振扫描过程的稳定性，提高扫描的质量，同时气囊主体可很方便的展开和闭合，从而提高动物固定工作的效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
