-
公开(公告)号：CN112348796B
公开(公告)日：2024-01-30
申请号：CN202011235586.1
申请日：2020-11-06
Applicant: 上海应用技术大学
IPC: G06T7/00 , G06T7/11 , G06T7/155 , G06T5/30 , G06F18/23 , G06F18/214 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于多模型结合的脑出血分割方法和系统，该方法包括：获取待检测的脑部图像数据；采用形态学方法，去除所述待检测的脑部图像数据中的颅骨部分，得到预处理后的数据；将所述预处理后的数据输入目标检测模型，输出所述脑部图像数据的分割结果，其中，所述分割结果中包含有脑部出血区域。从而可以对脑部图像的出血区域进行准确分割，图像处理效率更高，方便医生迅速找出脑部出血区域，提高手术的成功率。
-
公开(公告)号：CN112348830B
公开(公告)日：2023-09-19
申请号：CN202011222552.9
申请日：2020-11-05
Applicant: 上海应用技术大学
IPC: G06T7/11 , G06T7/00 , G06T7/187 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N3/084
Abstract: 本发明提供了一种基于改进3D U‑Net的多器官分割方法，包括以下步骤：(a)预处理待分割图像数据集；(b)基于待分割图像特征，构建基于3D U‑Net的多器官分割网络，并利用空间金字塔池化提取下采样层特征图的多尺度信息并与上采样层提取的特征信息通过快捷连接进行融合；(c)将预处理后的数据集划分为训练集，验证集，并利用改进后的3D U‑Net网络进行训练；(d)利用训练后的网络对测试集进行分割处理，并对分割后的图像进行后处理操作，得到最终的分割结果。本发明通过改进3D U‑Net网络的结构和损失函数，有效得解决了由于多器官尺度不均衡而引起的小器官分割精度较低的问题。
-
公开(公告)号：CN113012086A
公开(公告)日：2021-06-22
申请号：CN202110301849.2
申请日：2021-03-22
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种跨模态图像的合成方法，包括：S1：接收不同模态的数据集，对各数据集中的图像数据进行预处理；S2：基于GAN神经网络中的GAN生成器和GAN判别器，将空洞卷积网络嵌入到U‑Net网络中形成Du‑Net生成器；S3：将训练集中的第一模态图像数据、第二模态图像数据输入到Du‑Net生成器中，得到第二合成模态图像数据；S4：将第二合成模态图像数据和第二模态图像数据输入到GAN判别器，生成跨模态图像合成模型；S4：将第一模态图像数据、第二模态图像数据输入到跨模态图像合成模型中，输出第二合成模态图像数据。本发明通过以GAN结构改进的Du‑Net生成器，有效提升伪模态图像的可信度，尤其是减小了伪模态图像与真实模态图像之间的平均绝对误差。
-
公开(公告)号：CN111783868A
公开(公告)日：2020-10-16
申请号：CN202010601994.8
申请日：2020-06-28
Applicant: 上海应用技术大学
IPC: G06K9/62
Abstract: 本发明提供了一种原发性肝癌分期模型训练方法，该发明采用肝癌患者的临床检验数据，利用深度学习算法，建立肝癌患者分期网络模型，包括以下步骤：(a)对获得的临床检验数据进行数据预处理；(b)划分预处理后的数据集；(c)将处理后的数据映射成图像；(d)根据划分的数据集训练网络模型；(e)对分期模型的性能评估验证。分期模型利用临床检验数据，确定原发性肝癌患者的分期，为成功治愈肝癌创造了先机，达到增强患者临床疗效，提高患者生存率的目的。
-
公开(公告)号：CN110991536B
公开(公告)日：2023-05-09
申请号：CN201911230988.X
申请日：2019-12-02
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种原发性肝癌的早期预警模型的训练方法，发明基于临床检验数据，利用机器学习算法，建立原发性肝癌早期筛查模型，包括以下步骤：(a)对获得的临床检验数据进行数据预处理；(b)对预处理后的数据集进行数据集划分；(c)根据划分的数据集训练模型；(d)对分类模型的性能进行评估验证。筛查模型利用临床检验数据，结合实际临床要求，通过优化后模型的性能指标曲线选择阈值进行测试验证，进行原发性肝癌临床预警，为肝癌的早期成功诊断提供了条件，提高患者生存质量。
-
Patent Agency Ranking
公开(公告)号：CN113520272A
公开(公告)日：2021-10-22
申请号：CN202110723621.2
申请日：2021-06-29
Applicant: 上海应用技术大学
Abstract: 本发明涉及一种内窥导管‑多模态光学成像耦合检测系统，包括内窥探头、光纤、电机组件、波分复用器、OCT成像装置、荧光成像装置、图像处理装置；内窥探头包括套管，套管的始端内设有光学聚焦模块；电机组件能够驱动光纤进行旋转，并能对光纤进行收拉，实现内窥探头的旋转和回拉位移；图像处理装置分别与OCT成像装置、荧光成像装置的输出端电连接，指令波分复用器和图像处理装置输出特定规格的光信号，同时图像处理装置能够将OCT成像装置、荧光成像装置输出的图像信息进行图像配准，之后生成待测区域的多模态影像。与现有技术相比，本发明中的内窥导管‑多模态光学成像耦合检测系统能够获取无创、无接触、实时、高分辨率的组织结构和血流图像。
-
公开(公告)号：CN112561972A
公开(公告)日：2021-03-26
申请号：CN202011597633.7
申请日：2020-12-29
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种医学图像配准方法，本发明利用深度学习方法，建立卷积神经网络回归模型，包括以下步骤：(a)生成数字重建放射影像(Digitally Reconstructed Radiographs，DRR)作为数据集；(b)对数据集进行预处理，并划分数据集；(c)构建CNN回归模型；(d)评估回归模型的性能。使用CNN回归模型来实现2D‑3D医学图像配准，输入同一患者的3维CT图像和2维X光图像，直接回归出配准中涉及的6个变换参数，满足了放射治疗、手术导航等领域的实时性要求。
-
公开(公告)号：CN112348796A
公开(公告)日：2021-02-09
申请号：CN202011235586.1
申请日：2020-11-06
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种基于多模型结合的脑出血分割方法和系统，该方法包括：获取待检测的脑部图像数据；采用形态学方法，去除所述待检测的脑部图像数据中的颅骨部分，得到预处理后的数据；将所述预处理后的数据输入目标检测模型，输出所述脑部图像数据的分割结果，其中，所述分割结果中包含有脑部出血区域。从而可以对脑部图像的出血区域进行准确分割，图像处理效率更高，方便医生迅速找出脑部出血区域，提高手术的成功率。
-
公开(公告)号：CN113012086B
公开(公告)日：2024-04-16
申请号：CN202110301849.2
申请日：2021-03-22
Applicant: 上海应用技术大学
IPC: G06T5/50 , G06T5/70 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/0475 , G06N3/084 , G06T5/60
Abstract: 本发明公开了一种跨模态图像的合成方法，包括：S1：接收不同模态的数据集，对各数据集中的图像数据进行预处理；S2：基于GAN神经网络中的GAN生成器和GAN判别器，将空洞卷积网络嵌入到U‑Net网络中形成Du‑Net生成器；S3：将训练集中的第一模态图像数据、第二模态图像数据输入到Du‑Net生成器中，得到第二合成模态图像数据；S4：将第二合成模态图像数据和第二模态图像数据输入到GAN判别器，生成跨模态图像合成模型；S5：将第一模态图像数据、第二模态图像数据输入到跨模态图像合成模型中，输出第二合成模态图像数据。本发明通过以GAN结构改进的Du‑Net生成器，有效提升伪模态图像的可信度，尤其是减小了伪模态图像与真实模态图像之间的平均绝对误差。
-
公开(公告)号：CN112561972B
公开(公告)日：2024-04-16
申请号：CN202011597633.7
申请日：2020-12-29
Applicant: 上海应用技术大学
IPC: G06T7/30 , G06T7/13 , G06N3/084 , G06N3/0464
Abstract: 本发明提供了一种医学图像配准方法，本发明利用深度学习方法，建立卷积神经网络回归模型，包括以下步骤：(a)生成数字重建放射影像(Digitally Reconstructed Radiographs，DRR)作为数据集；(b)对数据集进行预处理，并划分数据集；(c)构建CNN回归模型；(d)评估回归模型的性能。使用CNN回归模型来实现2D‑3D医学图像配准，输入同一患者的3维CT图像和2维X光图像，直接回归出配准中涉及的6个变换参数，满足了放射治疗、手术导航等领域的实时性要求。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.023 seconds)
