-
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：CN112163987B
公开(公告)日：2024-01-26
申请号：CN202010640114.8
申请日：2020-07-06
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
Abstract: 本发明公开了一种穿刺路径规划系统，包括：三维影像分割模块、三维影像配准模块、二维影像显示模块、三维影像显示模块、穿刺规划路径交互选择模块以及穿刺自动规划和风险评估模块。本发明通过三维影像配准模块可将多模态影像配准到同一个坐标系中，将术前和术中的不同模态影像对齐，从而可以使模态影像得到充分利用；本发明中，穿刺路径在人为设定基础上，通过穿刺自动规划和风险评估模块可进行穿刺风险评估及进一步优化，从而能降低风险；本发明中穿刺路径不仅在三维影像显示模块中显示，还映射到二维影像显示模块中，通过二维影像显示模块中与三维影像显示模块相互补充，能提高穿刺路径评估的精确性。
-
公开(公告)号：CN116703880A
公开(公告)日：2023-09-05
申请号：CN202310744112.7
申请日：2023-06-21
Applicant: 苏州科技城医院 , 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明涉及数据处理技术领域，公开了一种免疫状态预测模型构建方法、预测方法及构建装置，构建方法包括采集多个肿瘤患者的肿瘤部位的CT图像；获取每一个肿瘤患者的肿瘤内部区域以及肿瘤周边区域的每一种预设免疫细胞类型的细胞密度；确定肿瘤内部区域以及肿瘤周边区域对应的每一种预设免疫细胞类型的免疫评分；基于免疫评分，确定每一个肿瘤患者的免疫状态；根据CT图像，提取肿瘤内部区域与肿瘤周边区域的影像组学特征；利用一批肿瘤患者的免疫状态以及影像组学特征作为训练数据，构建免疫状态预测模型。本发明可以无创地、更加全面地预测肿瘤患者的整体免疫状态，而且更加精准，能够为预后预测和个体化免疫治疗提供定量依据。
-
公开(公告)号：CN112163987A
公开(公告)日：2021-01-01
申请号：CN202010640114.8
申请日：2020-07-06
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
Abstract: 本发明公开了一种穿刺路径规划系统，包括：三维影像分割模块、三维影像配准模块、二维影像显示模块、三维影像显示模块、穿刺规划路径交互选择模块以及穿刺自动规划和风险评估模块。本发明通过三维影像配准模块可将多模态影像配准到同一个坐标系中，将术前和术中的不同模态影像对齐，从而可以使模态影像得到充分利用；本发明中，穿刺路径在人为设定基础上，通过穿刺自动规划和风险评估模块可进行穿刺风险评估及进一步优化，从而能降低风险；本发明中穿刺路径不仅在三维影像显示模块中显示，还映射到二维影像显示模块中，通过二维影像显示模块中与三维影像显示模块相互补充，能提高穿刺路径评估的精确性。
-
公开(公告)号：CN113052849A
公开(公告)日：2021-06-29
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
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。
-
Patent Agency Ranking
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：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。
-
公开(公告)号：CN109345523B
公开(公告)日：2022-08-16
申请号：CN201811118372.9
申请日：2018-09-21
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种表面缺陷检测和三维建模方法，包括以下步骤：1)原始表面点云数据采集，2)原始缺陷点云数据缺陷分割，得到无缺陷部位和缺陷部位；3)无缺陷部位配准，获取缺陷模型；4)缺陷模型顶部分割；5)缺陷模型顶部杂散点滤波；6)缺陷模型平滑；7)曲面建模，将点云缺陷模型进行表面重建，得到缺陷区域的曲面模型。本发明的表面缺陷检测和三维建模方法，能实现待检测物体表面缺陷的自动检测和三维模型自动构建。可用于实现工业表面自动化修复，可以应用于人体表面皮肤组织损伤部位建模，为皮肤三维打印提供三维模型。
-
公开(公告)号：CN113763441A
公开(公告)日：2021-12-07
申请号：CN202110984076.2
申请日：2021-08-25
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种无监督学习的医学图像配准方法及系统，该方法包括以下步骤：1)构建深度学习配准网络，其包括空间自注意力配准网络和多分辨率图像配准网络；2)将固定图像F和待配准的浮动图像M输入深度学习配准网络中，得到F和M之间的形变场3)基于形变场采用三线性插值对M进行空间变换，得到最终的配准结果将与F的结构信息相似测度、平滑约束项和雅可比负值折叠罚项共同作为深度学习配准网络的损失函数L来引导网络参数的优化。本发明无需预先准备的分割标签或形变场标签，可对不同模态中的大形变区域得到较好的配准精度，且本发明的配准速度快、可达到实时性效果。
-
公开(公告)号：CN111951252A
公开(公告)日：2020-11-17
申请号：CN202010826210.1
申请日：2020-08-17
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州市第五人民医院
Abstract: 本发明公开了一种多时序图像处理方法、电子设备及存储介质，该方法包括以下步骤：1)多时序感兴趣区域分割；2)感兴趣区域综合特征提取；3)多时序图像特征提取；4)图像集处理：5)将所述步骤4)得到的特征矩阵M进行特征筛选后通过分类器进行分类，获得图像处理结果。本发明的多时序图像处理方法，能同时实现对多个病人的多时序图像分类，从多时相特征中能得到更加丰富的影像学定量特征；本发明通过构建多时相影像特征及其不同时相之间的特征差异，共同构成特征集合，可以更加有效的反映不同组织的影像学表现，利于得到更加丰富的影像学信息。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.041 seconds)
