-
公开(公告)号：CN113327222A
公开(公告)日：2021-08-31
申请号：CN202010131314.0
申请日：2020-02-28
Applicant: 北京连心医疗科技有限公司 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明公开了一种CT影像中俯仰体位的自动检测及校正方法、系统、介质和计算设备，包括：对全身CT影像进行二值化处理，得到二值化影像序列；对二值化影像序列的连通区域进行逐层查找，保留每层二值化影像的主要身体部位；主要身体部位包括盆部和腿部的身体区域；基于连续两层二值化影像的连通区域数量和面积，判断腿部与盆部的交界层；基于腿部与盆部的交界层，确定最佳盆骨层；对最佳盆骨层的盆骨区域进行椭圆拟合，记录盆骨质心和拟合椭圆质心；根据盆骨质心和拟合椭圆质心，确定体位；实施体位校正。本发明可以快速有效地检测CT影像中体位的朝向，进而为对体位校正提供准确的参数信息；具有计算复杂度低、耗时短、抗噪性高、数据适应好的优点。
-
公开(公告)号：CN110490803B
公开(公告)日：2023-04-07
申请号：CN201910729032.8
申请日：2019-08-08
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于医学影像技术领域，涉及一种图像语义分割分块预测的拼接方法、设备和存储介质。该方法包括如下步骤：将待分割2D或3D图像的四周进行边缘补零扩充；对扩充后的图形进行分割；各分块分别进行分割预测；将各分块的预测结果图像进行边缘抛弃，保留核心区域；对所有保留的核心区域按分块顺序进行拼接，合成全图预测结果图。本发明可以让原图像和分块区域的分割预测结果都保持在分割预测准确率较高的图像内部区域；显著降低各分块边缘拼接痕迹明显的问题；可以改进原图外边缘预测结果；且本发明同时适用于对2D、3D图像的分块预测拼接问题。
-
公开(公告)号：CN110310283A
公开(公告)日：2019-10-08
申请号：CN201910730681.X
申请日：2019-08-08
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于放疗技术领域，涉及一种CT影像中头部倾斜的自动检测及校正方法、设备和存储介质。该方法包括如下步骤：对全身CT影像进行二值化操作；进行最大连通区域查找，删除所有非最大连通区域，并去除每层CT影像中的非主要身体部位，只保留主要身体部位；判断肩部与颈部的交界层；确定最佳颌骨层；对最佳颌骨层中的颌骨区域进行椭圆拟合；记录颌骨的质心和拟合椭圆的质心；确定体位，实施头部校正。本发明可以快速有效地检测CT影像中头部的倾角及朝向，进而为对头部影像的倾斜校正提供准确的参数信息；具有计算复杂度低、耗时短、抗噪性高、数据适应好的优点；本方法还可拓展应用于对不同场景下的人体倾斜校正，具有较好的可拓展性。
-
Patent Agency Ranking
公开(公告)号：CN110490803A
公开(公告)日：2019-11-22
申请号：CN201910729032.8
申请日：2019-08-08
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于医学影像技术领域，涉及一种图像语义分割分块预测的拼接方法、设备和存储介质。该方法包括如下步骤：将待分割2D或3D图像的四周进行边缘补零扩充；对扩充后的图形进行分割；各分块分别进行分割预测；将各分块的预测结果图像进行边缘抛弃，保留核心区域；对所有保留的核心区域按分块顺序进行拼接，合成全图预测结果图。本发明可以让原图像和分块区域的分割预测结果都保持在分割预测准确率较高的图像内部区域；显著降低各分块边缘拼接痕迹明显的问题；可以改进原图外边缘预测结果；且本发明同时适用于对2D、3D图像的分块预测拼接问题。
-
公开(公告)号：CN110942462B
公开(公告)日：2022-12-13
申请号：CN201811110632.8
申请日：2018-09-21
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于医学影像和人工智能技术领域，涉及一种融合离散特征的医学影像器官深度学习分割方法、设备和存储介质。包括步骤：把各离散特征集的元素分别表示为用独热向量表示的词向量；转换成具有相同固定长度的实数特征向量，融合后转换成一个与待处理的医学影像像素或体素数相同的一维特征向量；重构成与待处理的医学影像尺寸相同的二维或三维矩阵表示，与待处理的医学影像进行融合后，得到语义分割深度学习网络的输入，进而对其进行图像语义分割网络训练。本发明在网络输入的图像学习网络中，允许非图像的其与图像相关的离散特征信息进入网络进行学习；克服了传统靠扩充数据的方法来进行网络训练的数据采集成本高甚至不可执行性的缺陷。
-
公开(公告)号：CN110310283B
公开(公告)日：2021-02-19
申请号：CN201910730681.X
申请日：2019-08-08
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于放疗技术领域，涉及一种CT影像中头部倾斜的自动检测及校正方法、设备和存储介质。该方法包括如下步骤：对全身CT影像进行二值化操作；进行最大连通区域查找，删除所有非最大连通区域，并去除每层CT影像中的非主要身体部位，只保留主要身体部位；判断肩部与颈部的交界层；确定最佳颌骨层；对最佳颌骨层中的颌骨区域进行椭圆拟合；记录颌骨的质心和拟合椭圆的质心；确定体位，实施头部校正。本发明可以快速有效地检测CT影像中头部的倾角及朝向，进而为对头部影像的倾斜校正提供准确的参数信息；具有计算复杂度低、耗时短、抗噪性高、数据适应好的优点；本方法还可拓展应用于对不同场景下的人体倾斜校正，具有较好的可拓展性。
-
公开(公告)号：CN110738597A
公开(公告)日：2020-01-31
申请号：CN201810796673.0
申请日：2018-07-19
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于医学图像技术领域，涉及一种多分辨率医学图像在深度学习神经网络中的尺寸自适应预处理方法、设备和存储介质。该方法包括如下步骤：统一输入深度学习网络中各医学图像像素间物理间距的大小，获得像素/体素层面分辨率不一的医学图像；确定医学影像的分块大小和分块步长；按照以上确定的分块大小和分块步长对重采样后的医学图像进行连续分块操作。通过本发明提供的方法可以使神经学习网络接受任意分辨率输入的医学影像，通过对图像的分块化和边缘区域分块进行补零操作可以让深度学习网络接收任意尺寸的图像输入，避免医学图像裁剪后导致的信息丢失问题；同时通过局部补零操作也能有效降低计算网络时性能的消耗。
-
公开(公告)号：CN110942462A
公开(公告)日：2020-03-31
申请号：CN201811110632.8
申请日：2018-09-21
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于医学影像和人工智能技术领域，涉及一种融合离散特征的医学影像器官深度学习分割方法、设备和存储介质。包括步骤：把各离散特征集的元素分别表示为用独热向量表示的词向量；转换成具有相同固定长度的实数特征向量，融合后转换成一个与待处理的医学影像像素或体素数相同的一维特征向量；重构成与待处理的医学影像尺寸相同的二维或三维矩阵表示，与待处理的医学影像进行融合后，得到语义分割深度学习网络的输入，进而对其进行图像语义分割网络训练。本发明在网络输入的图像学习网络中，允许非图像的其与图像相关的离散特征信息进入网络进行学习；克服了传统靠扩充数据的方法来进行网络训练的数据采集成本高甚至不可执行性的缺陷。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.044 seconds)
