-
公开(公告)号：CN106097305B
公开(公告)日：2019-03-01
申请号：CN201610373406.3
申请日：2016-05-31
Applicant: 上海理工大学 , 上海溪田信息技术有限公司
Abstract: 本发明是为了解决上述问题而进行的，目的在于提供一种基于双行程三维区域生长与形态学相结合的肺部气管树分割算法，以实现对肺部气管树进行有效的分割。本发明提供的双行程区域生长结合形态学重建的肺部气管树分割方法，包括如下步骤：自动从序列断层图像中获取三维区域生长的种子点P1；以P1作为种子点，进行第一行程区域生长，得到肺部主支气管树；设定多尺度形态学算子，并利用灰度形态学重建操作，得到三个横切面、冠状面和矢状面解剖位上的对应的气管标记图；以肺部主支气管树为基础、三个解剖位上的气管标记图为限定条件，进行第二行程区域生长，得到对应的分割气管树；将分割气管树进行融合，得到最终的肺部气管树分割结果F。
-
公开(公告)号：CN106097305A
公开(公告)日：2016-11-09
申请号：CN201610373406.3
申请日：2016-05-31
Applicant: 上海理工大学 , 上海溪田信息技术有限公司
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/10081 , G06T2207/30061
Abstract: 本发明是为了解决上述问题而进行的，目的在于提供一种基于双行程三维区域生长与形态学相结合的肺部气管树分割算法，以实现对肺部气管树进行有效的分割。本发明提供的双行程区域生长结合形态学重建的肺部气管树分割方法，包括如下步骤：自动从序列断层图像中获取三维区域生长的种子点P1；以P1作为种子点，进行第一行程区域生长，得到肺部主支气管树；设定多尺度形态学算子，并利用灰度形态学重建操作，得到三个横切面、冠状面和矢状面解剖位上的对应的气管标记图；以肺部主支气管树为基础、三个解剖位上的气管标记图为限定条件，进行第二行程区域生长，得到对应的分割气管树；将分割气管树进行融合，得到最终的肺部气管树分割结果F。
-
公开(公告)号：CN109887600A
公开(公告)日：2019-06-14
申请号：CN201910303300.X
申请日：2019-04-16
Applicant: 上海理工大学
IPC: G16H50/20
Abstract: 本发明提出一种对非小细胞肺癌预后生存情况的分析方法，本发明设计实验对非小细胞肺癌患者进行预后生存分析研究，基于CT影像组学特征对非小细胞肺癌预后分析模型进行构建，按照传统影像组学研究框架，对非小细胞肺癌患者数据进行了肿瘤的分割、特征提取、特征筛选、影像组学特征与预后生存情况的相关性分析和预后生存分析模型建模，得到与非小细胞肺癌患者预后生存显著性相关的影像组学预后因素与预后生存分析模型，从而为医生提供病人包括存活时间以及一系列后期病灶发展情况的数据信息，同时，对得到的预后生存模型的性能进行了评价，保证了预后生存模型的准确性。
-
公开(公告)号：CN112184659A
公开(公告)日：2021-01-05
申请号：CN202011018504.8
申请日：2020-09-24
Abstract: 本发明涉及一种肺部图像处理方法、装置及设备，所述方法包括：获取待处理的肺部CT序列图；分割获取二值肺实质掩膜；将二值肺实质掩膜和肺部CT序列图进行点乘处理，获取肺实质区域图像，并对其中的潜在血管区域进行增强处理，获得肺部血管区域；从肺部CT序列图中分割出候选肺结节区域；判断所述肺部血管区域和候选肺结节区域是否存在交集，若是，则对肺部血管区域和候选肺结节区域的交集部分进行分割，对分割后的肺部血管区域和候选肺结节区域进行三维重建显示，以不同颜色渲染所述肺部血管区域和候选肺结节区域。与现有技术相比，本发明能够解决二维CT影像上判断肺结节与周围血管关系难度大、易产生误判等问题。
-
公开(公告)号：CN110648288B
公开(公告)日：2023-02-03
申请号：CN201910793892.8
申请日：2019-08-27
Applicant: 上海理工大学
IPC: G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于残差转置去卷积神经网络的胆道镜图像增强方法，用于增强待处理胆道镜图像的成像品质，包括如下步骤：将所述待处理胆道镜图像进行去运动模糊处理和去噪处理，获得待增强胆道镜图像；将所述待增强胆道镜图像输入到训练完成的最终图像增强模型中进行增强处理，获得最终胆道镜图像。本发明中的最终图像增强模型通过低位数图像和高位数图像相配合的训练方法进行训练，训练完成后最终图像增强模型能够使待处理胆道镜图像的图像位数增加，从而使待处理胆道镜图像的成像品质在现有基础上进行进一步增强，进而能够提高胆道结石手术的成功率。
-
Patent Agency Ranking
公开(公告)号：CN108492300B
公开(公告)日：2021-07-13
申请号：CN201810222634.X
申请日：2018-03-16
Applicant: 上海理工大学
Abstract: 本发明涉及一种管状结构增强与能量函数结合的肺部血管树分割方法，利用Pock函数计算管状结构响应度，从而检测出潜在的血管区域。然后采用基于扩散张量的管状结构增强算法对原始图像进行增强，降低噪声对原始图像的影响并增强血管区域。最后将Pock函数计算结果和图像增强结果相结合构建区域描述算子，并利用最小化能量分割方法VRG法对肺部血管进行精细分割。其分割结果显示该方法在分割出肺部主支血管的同时，提取出了大量的细小血管，且分割结果受噪声的影响较小。本方法特异性高，敏感性较强，同时能够区分血管与气管壁区域，进一步提高了分割结果的准确性。
-
公开(公告)号：CN109087707A
公开(公告)日：2018-12-25
申请号：CN201810795229.7
申请日：2018-07-18
Applicant: 上海理工大学
Abstract: 本申请的目的是提供一种用于建立肺部影像数据库的方法及设备，本申请通过获取用户的肺部影像数据，建立所述肺部影像数据的相关数据表；确定权限管理数据表，其中，所述权限管理数据表包括权限数据表、节点数据表、角色数据表、用户角色中间数据表；根据所述权限管理数据表判断用户的查询请求是否合法，若是，则根据预设查询方法对所述相关数据表进行查询，以确定与所述用户的查询请求对应的查询结果，将所述查询结果显示在页面上；根据对所述页面上所述查询结果的操作，更新所述肺部影像数据的相关数据表。从而通过输入一次查询条件，就可以同时得到不同关系表中的数据，增强比对，降低查询工作量，节省了查询和分析时间。
-
公开(公告)号：CN108492300A
公开(公告)日：2018-09-04
申请号：CN201810222634.X
申请日：2018-03-16
Applicant: 上海理工大学
Abstract: 本发明涉及一种管状结构增强与能量函数结合的肺部血管树分割方法，利用Pock函数计算管状结构响应度，从而检测出潜在的血管区域。然后采用基于扩散张量的管状结构增强算法对原始图像进行增强，降低噪声对原始图像的影响并增强血管区域。最后将Pock函数计算结果和图像增强结果相结合构建区域描述算子，并利用最小化能量分割方法VRG法对肺部血管进行精细分割。其分割结果显示该方法在分割出肺部主支血管的同时，提取出了大量的细小血管，且分割结果受噪声的影响较小。本方法特异性高，敏感性较强，同时能够区分血管与气管壁区域，进一步提高了分割结果的准确性。
-
公开(公告)号：CN112184659B
公开(公告)日：2023-08-25
申请号：CN202011018504.8
申请日：2020-09-24
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06N3/0464
Abstract: 本发明涉及一种肺部图像处理方法、装置及设备，所述方法包括：获取待处理的肺部CT序列图；分割获取二值肺实质掩膜；将二值肺实质掩膜和肺部CT序列图进行点乘处理，获取肺实质区域图像，并对其中的潜在血管区域进行增强处理，获得肺部血管区域；从肺部CT序列图中分割出候选肺结节区域；判断所述肺部血管区域和候选肺结节区域是否存在交集，若是，则对肺部血管区域和候选肺结节区域的交集部分进行分割，对分割后的肺部血管区域和候选肺结节区域进行三维重建显示，以不同颜色渲染所述肺部血管区域和候选肺结节区域。与现有技术相比，本发明能够解决二维CT影像上判断肺结节与周围血管关系难度大、易产生误判等问题。
-
公开(公告)号：CN110059697B
公开(公告)日：2023-04-28
申请号：CN201910352565.9
申请日：2019-04-29
Applicant: 上海理工大学
Abstract: 本发明提供了一种基于深度学习的肺结节自动分割方法，用于判断肺结节的类型并进行系统的分割，包括以下步骤：步骤1，从LIDC中获取CT影像数据，将CT影像数据中的肺结节区域截取为50×50像素大小的图片作为训练图片数据；步骤2，建立肺结节CNN分类模型，将训练图片数据输入CNN分类模型对CNN分类模型进行优化训练，并保存最高的分类准确率下的CNN分类模型进行使用；步骤3，建立各个类型肺结节的3DU‑net分割模型，将相同类型的肺结节区域的图片数据作为3DU‑net分割模型的输入图像来对3DU‑net分割模型进行优化训练，并保存最高的分割准确率下的3DU‑net分割模型进行使用；步骤4，将待分割的肺结节区域图像输入CNN分类模型后在经过3DU‑net分割模型完成对肺结节区域分割。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.038 seconds)
