穿刺枪及穿刺系统
    1.
    实用新型

    公开(公告)号:CN221903778U

    公开(公告)日:2024-10-29

    申请号:CN202322706878.4

    申请日:2023-10-09

    IPC分类号: A61B10/02 A61B10/00 A61B17/34

    摘要: 本申请公开了一种穿刺枪及穿刺系统,所述穿刺枪用于自动化穿刺系统,包括穿刺枪本体、穿刺针容置单元和往复运动驱动单元,所述穿刺针容置单元上设有穿刺针放置腔,所述穿刺针放置腔用于放置穿刺针;所述往复运动驱动单元位于所述穿刺针容置单元的第一侧,且所述往复运动驱动单元能够与所述穿刺针放置腔内的穿刺针连接;所述穿刺枪配置为:当所述往复运动驱动单元朝第一方向驱动时,能够驱动穿刺针相对穿刺针放置腔外伸,当所述往复运动驱动单元朝第二方向驱动时,能够驱动穿刺针相对穿刺针放置腔回缩。本申请所公开的穿刺枪具有结构简单、便于更换穿刺针、能够实现自动化控制等优点。

    基于深度学习影像模型的前列腺MRI图像分类方法

    公开(公告)号:CN117636076B

    公开(公告)日:2024-04-12

    申请号:CN202410101922.5

    申请日:2024-01-25

    摘要: 本发明属于图像处理技术领域,具体涉及一种基于深度学习影像模型的前列腺MRI图像分类方法,旨在解决现有的MRI图像分类方法分类准确性差、鲁棒性较低的问题。本方法包括:获取目标对象的前列腺MRI图像,作为输入图像;对输入图像进行预处理,得到预处理图像;对预处理图像分别进行三维病变级别ROI提取并对提取的ROI区域进行数据协调、数据增强处理;将数据增强处理后的ROI区域输入预构建的前列腺MRI图像分类模型,进而得到分类结果。本发明提升了MRI图像分类方法分类准确性以及鲁棒性。

    基于深度学习影像模型的前列腺MRI图像分类方法

    公开(公告)号:CN117636076A

    公开(公告)日:2024-03-01

    申请号:CN202410101922.5

    申请日:2024-01-25

    摘要: 本发明属于图像处理技术领域,具体涉及一种基于深度学习影像模型的前列腺MRI图像分类方法,旨在解决现有的MRI图像分类方法分类准确性差、鲁棒性较低的问题。本方法包括:获取目标对象的前列腺MRI图像,作为输入图像;对输入图像进行预处理,得到预处理图像;对预处理图像分别进行三维病变级别ROI提取并对提取的ROI区域进行数据协调、数据增强处理;将数据增强处理后的ROI区域输入预构建的前列腺MRI图像分类模型,进而得到分类结果。本发明提升了MRI图像分类方法分类准确性以及鲁棒性。

    基于影像和临床特征的前列腺癌手术切缘阳性预测系统

    公开(公告)号:CN117611806A

    公开(公告)日:2024-02-27

    申请号:CN202410096096.X

    申请日:2024-01-24

    摘要: 本发明属于医学图像处理领域,具体涉及了一种基于影像和临床特征的前列腺癌手术切缘阳性预测系统,旨在解决现有技术中使用CNN构建的特征提取网络在面对非独立同分布数据时,其性能下降明显的问题。本发明包括:肿瘤感兴趣区域提取模块,提取肿瘤感兴趣区域;序列配准模块,对序列进行配准;输入图像获取模块,裁剪正方形区域并处理得到输入图像;特征解耦模块,提取输入图像的特征并解耦,特征增强模块,获取肿瘤的形态学特征;特征融合与分类模块,基于影像学标签和临床特征,得到切片级PSM预测结果;预测结果获取模块,结合肿瘤的形态学特征得到切缘阳性预测结果。本发明融合mpMRI影像特征和临床特征,有效提高了PSM预测的准确性和稳定性。

    基于影像和临床特征的前列腺癌手术切缘阳性预测系统

    公开(公告)号:CN117611806B

    公开(公告)日:2024-04-12

    申请号:CN202410096096.X

    申请日:2024-01-24

    摘要: 本发明属于医学图像处理领域,具体涉及了一种基于影像和临床特征的前列腺癌手术切缘阳性预测系统,旨在解决现有技术中使用CNN构建的特征提取网络在面对非独立同分布数据时,其性能下降明显的问题。本发明包括:肿瘤感兴趣区域提取模块,提取肿瘤感兴趣区域;序列配准模块,对序列进行配准;输入图像获取模块,裁剪正方形区域并处理得到输入图像;特征解耦模块,提取输入图像的特征并解耦,特征增强模块,获取肿瘤的形态学特征;特征融合与分类模块,基于影像学标签和临床特征,得到切片级PSM预测结果;预测结果获取模块,结合肿瘤的形态学特征得到切缘阳性预测结果。本发明融合mpMRI影像特征和临床特征,有效提高了PSM预测的准确性和稳定性。