公开(公告)号：CN120015308A

公开(公告)日：2025-05-16

申请号：CN202510026949.7

申请日：2025-01-08

Applicant: 华中科技大学同济医学院附属同济医院

Inventor： 汪雯雯 ,  袁素珍 ,  沈文枫 ,  朱欣 ,  蔡雨阳 ,  赵爱华

IPC: G16H50/30 ,  G16H50/70 ,  G16H50/20 ,  G16H30/40 ,  G06V10/774 ,  G06V10/74 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种子宫内膜良恶性疾病辅助预测模型构建方法及系统，包括获取非目标部位的第一历史图像信息和目标部位的第二历史图像信息；分别进行预处理并分别构建对应的预训练样本数据集和训练样本数据集；构建卷积神经网络模型，并将预训练样本数据集输入至卷积神经网络模型进行对比学习预训练；将训练样本数据集输入至预训练后的卷积神经网络模型进行训练，直至完成训练，得到子宫内膜良恶性疾病辅助预测模型。利用对比学习技术，增强卷积神经网络模型对细微病变特征的识别能力，提升模型泛化能力，显著提高诊断的敏感性和特异性，减少误诊率，大大提高模型的识别精度，减少误诊和不必要的活检可能性，帮助缓解内镜医师的感知偏差和视觉疲劳。

公开(公告)号：CN119181038A

公开(公告)日：2024-12-24

申请号：CN202411117638.3

申请日：2024-08-15

Applicant: 华中科技大学同济医学院附属同济医院

Inventor： 汪雯雯 ,  袁素珍 ,  朱欣 ,  周琴 ,  王世宣 ,  刘奕阳 ,  彭博远 ,  蒋婧婧 ,  方黎

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了一种子宫内膜图像的关键帧检测方法和装置，所述方法包括步骤1：获取子宫超声视频数据；步骤2：将视频数据分割为若干个单帧图像，并对单帧图像进行图像增强；步骤3：使用DDR‑Net模型对增强后的图像进行分割，得到分割后的子宫内膜图像，并生成图像的掩码；步骤4：将原始单帧图像和生成的掩码进行叠加，得到带掩码的子宫内膜图像；步骤5：将带掩码的子宫内膜图像输入MSNet169模型中进行分类处理，输出分类结果，得到正确的子宫内膜图像分割结果；步骤6：根据带掩码的子宫内膜图像提取关键帧，得到多个包含子宫内膜最大的关键帧图像；步骤7：计算关键帧图像中的子宫内膜厚度，输出包含子宫内膜厚度的图像和具体厚度值。

公开(公告)号：CN115100220A

公开(公告)日：2022-09-23

申请号：CN202210925253.4

申请日：2022-08-03

Applicant: 华中科技大学同济医学院附属同济医院 ,  公立大学法人会津大学

Inventor： 王世宣 ,  汪雯雯 ,  周琴 ,  朱欣

IPC: G06T7/11 ,  A61B8/08 ,  A61B8/12 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进UNET神经网络的医学图像分割装置，该医学图像分割装置基于改进UNET的USNET网络，包括多个卷积子网和一个输出卷积层；多个所述卷积子网具有尺寸不小于3×3的卷积核，其尺寸从输入到输出逐步增大；每个所述卷积子网的最后均有1个池化层，所述池化层的最大池化操作步长设置为1，不使用降采样和升采样；本发明还公开了应用前述USNET网络进行超声图像分割的子宫体超声图像分析方法。与通常的UNET深度神经网络不同，各个卷积子网结构相同，只是卷积核大小和池化层操作尺寸不同，可以在不降低空间分辨的前提下，通过自适应调整卷积子网个数，卷积核大小，卷积层层数，实现了超声图像的分割，从而提高了超声图像中浆膜和内膜的分割精度。