-
公开(公告)号：CN120031893A
公开(公告)日：2025-05-23
申请号：CN202411994994.3
申请日：2024-12-31
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州市中医医院
IPC: G06T7/11 , G06V10/40 , G06V10/762 , G06T5/50 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本公开关于一种病灶分割方法、装置和电子设备，该方法包括确定目标对象对应的至少一个预设构型和基于至少一个预设对象中每一预设对象在至少一个预设磁共振信号下的至少一个预设磁共振图像和每一预设对象在至少一个预设磁共振信号下的至少一个预设磁共振图像对应标注图像的重叠度确定的至少一个目标磁共振信号；对至少一个目标磁共振图像进行构型识别，确定至少一个目标构型；基于至少一个目标磁共振信号和至少一个目标构型，确定至少一个目标分割模型；将至少一个目标磁共振图像输入至少一个目标分割模型分割，对得到的至少一个病灶分割图像进行加权处理，得到目标病灶分割图像。利用本公开实施例可以提升病灶分割的效率和准确性。
-
公开(公告)号：CN120047763A
公开(公告)日：2025-05-27
申请号：CN202411925094.3
申请日：2024-12-25
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州市中医医院
IPC: G06V10/774 , G06V10/72 , G06V10/20 , G06V10/764 , G06V10/82
Abstract: 本申请公开影像图像增强方法、装置以及存储介质，属于人工智能技术领域，包括获取初始训练集，初始训练集包括多个影像图像；对每一影像图像进行预增强，得到第一增强训练集，第一增强训练集包括每一影像图像和其对应的多个第一增强图像；在训练场景下，对第一增强训练集进行2N次随机采样，得到N个样本对，每个样本对包括两个样本图像，N为正整数；针对每个样本对的每个样本图像，进行多尺度噪声增强，得到第一样本图像；对样本对的两个第一样本图像进行归一化处理，得到两个第二样本图像；基于各个样本对中的各个第二样本图像，构建第二增强训练集。本申请从整体角度确保进行图像增强后所得到的样本集能优化模型的性能。
-
公开(公告)号：CN119810226A
公开(公告)日：2025-04-11
申请号：CN202411771578.7
申请日：2024-12-04
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T11/00 , G06T3/4053 , G06T3/4046 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/54
Abstract: 本发明提供基于隐表示模型的脑磁共振图像超分辨率重建方法及系统，包括步骤：获取不同层厚的各向异性脑磁共振图像，分为训练数据和测试数据；对脑磁共振图像进行预处理；对预处理后的训练数据进行处理，以生成训练样本；采用训练样本对基于隐表示模型的超分辨率重建模型进行训练；将预处理后的测试数据输入训练好的模型，进行堆叠得到三维图像，再进行平均，最终得到各向同性脑磁共振图像。本发明使用深度学习超分辨率重建方法进行不同层厚各向异性脑磁共振图像的超分辨率重建，通过设计基于隐表示模型的可学习坐标编码模块，充分利用图像特征和坐标信息间的相关性，设计了混合损失函数，提升不同层厚各向异性脑磁共振图像超分辨率重建的准确性。
-
公开(公告)号：CN113052849B
公开(公告)日：2024-01-26
申请号：CN202110409678.5
申请日：2021-04-16
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州科技城医院
IPC: G06T7/10 , G06T3/60 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种腹部组织图像自动分割方法及系统，该方法包括以下步骤：1)构建第一训练数据集；2)利用所述第一训练数据集对3D U‑Net网络进行训练，得到腹部组织自动分割模型；3)构建用于肿瘤分割任务的第二训练数据集；4)利用所述第二训练数据集对DeepLab V3+网络进行训练，得到肿瘤自动分割模型；5)将所述腹部组织自动分割模型和肿瘤自动分割模型级联，得到腹部组织自动分割模型；6)将待分割的腹部扫描图像输入腹部组织自动分割模型，自动得到腹部组织分割图像和肿瘤分割图像。本发明的腹部组织图像自动分割方法能够对形态多变的腹部组织和肿瘤进行分割，在低对比度和边缘模糊的情况下取得良好的分割精度。
-
公开(公告)号：CN112561894B
公开(公告)日：2023-11-28
申请号：CN202011526316.6
申请日：2020-12-22
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G16H15/00 , G16H10/60 , G06T7/00 , G06T7/10 , G06V10/764 , G06V10/82 , G06F40/186
Abstract: 本发明公开了一种针对CT图像的电子病历智能生成方法，包括以下步骤：1)将所有的报告语句分类为描述性语句和诊断性语句；2)构建肺部CT图像分割模型；3)构建每个部位Pi所需的描述性语句、诊断性语句的集合Qi；4)构建分类模型V；5)构建检测模型W；6)针对待检测的肺部CT图像，通过分类模型V生成诊断性语句，通过分类模型W生成描述性语句；7)汇总步骤6)得到的所有诊断性语句、描述性语句，生成肺部CT图像的电子病历。本发明可以针对肺部CT图像自动生成电子病历，能够减轻医师工作量，降低报告缺失信息的风险，可提供规范、准确、信息全面的电子病历，能提高工作效率，具有很好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN116942509A
公开(公告)日：2023-10-27
申请号：CN202310895204.5
申请日：2023-07-20
Applicant: 中国科学院苏州生物医学工程技术研究所 , 南京市中医院
Abstract: 本发明公开了一种基于多阶段光学定位的体表自动寻穴方法，属于针灸领域，通过全局相机进行肢体定位、获取待针灸的肢体上的关键点位置、对待针灸的肢体上的穴位粗定位、对待针灸的肢体上的穴位精确定位等步骤，采用全局相机和局部相机相结合，开发基于体表纹理与光流预测方法下的高精度穴位实时定位跟踪方法，解决高精度的体表穴位定位和因体动带来的实时目标跟踪困难问题，实现可以精准、实时、动态对准的三维人体自动寻穴。
-
公开(公告)号：CN115982947A
公开(公告)日：2023-04-18
申请号：CN202211517912.7
申请日：2022-11-30
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06F30/20 , G06F17/16 , A61B5/245 , A61B5/369 , G06F111/04
Abstract: 本发明公开了一种源成像的逆问题分析方法、装置及电子设备，其中，该方法包括：构建真实头脑模型和源模型；求解得到传导矩阵；按照空间距离对源模型中的偶极子进行区域化，并构建组间稀疏约束模型；构建偶极子强度广义全变分稀疏约束模型；将组间稀疏约束模型与偶极子强度广义全变分稀疏约束模型融合，构建逆问题求解模型；基于逆问题求解模型，确定源模型中偶极子的激活范围及强度。本发明首先对偶极子进行区域化并考虑组间稀疏性，刻画皮层电活动的结构稀疏先验。另外，通过偶极子强度广义全变分刻画皮层上激活区域边界处的突变性与激活区域内的平滑特性。最终，通过重加权的求解方式实现偶极子激活范围及强度的准确估计。
-
公开(公告)号：CN115829986A
公开(公告)日：2023-03-21
申请号：CN202211610437.8
申请日：2022-12-14
Applicant: 中国科学院苏州生物医学工程技术研究所 , 济南国科医工科技发展有限公司
IPC: G06T7/00 , G06V10/26 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于卷积重参数化的医学图像分割方法、系统及设备，该方法包括以下步骤：S1、采集多模态医学图像；S2、对多模态医学图像进行预处理，构建训练数据集；S3、构建基于卷积重参数化的医学图像分割模型；S4、采用训练数据集对医学图像分割模型进行训练；S5、将待分割的医学图像输入训练好的医学图像分割模型中，得到分割结果。本发明提供的基于卷积重参数化的医学图像分割方法及系统，可以增强分割网络模型中卷积核的骨架参数，从而提高分割网络的表达能力。本发明能够帮助提升胶质瘤分割的准确性，在胶质瘤形态学分析、高低级别鉴定和预后评估方面具有潜在的应用价值。
-
公开(公告)号：CN115797451A
公开(公告)日：2023-03-14
申请号：CN202211618509.3
申请日：2022-12-15
Applicant: 中国科学院苏州生物医学工程技术研究所 , 南京市中医院
Abstract: 本申请是一种穴位识别方法，具体涉及自动识别技术领域。所述方法包括：获取人体表面三维重建数据；对人体表面三维重建数据进行分类识别，获取人体区域分类数据；将人体区域分类数据与虚拟人体穴位数据进行位姿配准，并在人体表面三维重建数据中映射穴位位置；虚拟人体穴位数据根据人体穴位模型预先建立；将人体表面三维重建数据对应的图像以及穴位位置显示在显示设备中。基于上述方案，简化了穴位识别难度。
-
公开(公告)号：CN115731176A
公开(公告)日：2023-03-03
申请号：CN202211435875.5
申请日：2022-11-16
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属儿童医院
IPC: G06T7/00 , G06V10/40 , G06V10/771 , G06V10/80 , G06V10/764 , G06V10/77 , G16H50/20
Abstract: 本发明公开了一种基于人机特征融合的胶质瘤智能分级方法、系统及设备，该方法包括以下步骤：S1、获取胶质瘤患者的多序列磁共振图像；S2、对多序列磁共振图像进行预处理；S3、进行影像组学特征提取和临床专家评分特征提取；S4、进行特征选择与特征融合；S5、将融合特征输入机器学习分类模型中，得到胶质瘤图像分级结果。本发明利用机器学习分类模型通过影像组学特征和临床专家评分特征的融合特征进行胶质瘤图像的智能分级，可将专家的知识和经验融入分类模型中，能够提升胶质瘤自动分级的准确性，在胶质瘤无创分析、治疗方案制定和预后评估方面具有潜在的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.061 seconds)
