基于条件生成对抗网络将背部照片转换成脊柱X光的方法

    公开(公告)号:CN117649337A

    公开(公告)日:2024-03-05

    申请号:CN202311748636.X

    申请日:2023-12-19

    Abstract: 本发明公开了一种基于条件生成对抗网络将背部照片转换成脊柱X光的方法,包括以下步骤:采集背部照片和脊柱X光影像,建立训练集数据库;采用LabelMe对数据库中的背部照片和脊柱X光影像进行标注和预处理;使用预处理后的X光影像训练目标检测模型;处理全部数据集,对同一患者截取后的背部外观和X光影像的配对图像进行图像对齐;训练一种基于滑动窗口自注意力机制的条件生成对抗网络的模型,将对齐后的背部照片作为输入,生成与X光影像相匹配的输出,预测脊柱侧凸的病情;使用内部及外部数据集对模型的转换性能进行测试。本发明可以应用于脊柱畸形的远程诊疗及随访,加强医生对脊柱畸形患者的健康监测。

    基于稳定扩散模型将背部照片转换成脊柱X光影像的方法

    公开(公告)号:CN117689533B

    公开(公告)日:2024-12-27

    申请号:CN202311748637.4

    申请日:2023-12-19

    Abstract: 本发明公开了一种基于稳定扩散模型将背部照片转换成脊柱X光影像的方法,将背部照片输入到稳定扩散模型中,对背部照片和X光影像进行对齐处理,将X光影像输入到编码器中,使用UNet对纯噪声进行去噪,同时将使用全连接层提取背部照片的特征向量通过交叉注意力映射到UNet的中间层,最后用生成的X光影像自动计算Cobb角,预测脊柱侧凸的病情。本发明中数据仅需家用智能手机和相机拍摄的背部照片,无需使用X光设备,从而降低了就医成本和辐射风险;利用稳定扩散模型算法,生成与X光影像相似的图像,提高了图像的转换质量和准确性;可以实现对背部脊柱骨骼结构的检测,从而有助于评估和预防脊柱畸形等疾病。

    基于稳定扩散模型将背部照片转换成脊柱X光影像的方法

    公开(公告)号:CN117689533A

    公开(公告)日:2024-03-12

    申请号:CN202311748637.4

    申请日:2023-12-19

    Abstract: 本发明公开了一种基于稳定扩散模型将背部照片转换成脊柱X光影像的方法,将背部照片输入到稳定扩散模型中,对背部照片和X光影像进行对齐处理,将X光影像输入到编码器中,使用UNet对纯噪声进行去噪,同时将使用全连接层提取背部照片的特征向量通过交叉注意力映射到UNet的中间层,最后用生成的X光影像自动计算Cobb角,预测脊柱侧凸的病情。本发明中数据仅需家用智能手机和相机拍摄的背部照片,无需使用X光设备,从而降低了就医成本和辐射风险;利用稳定扩散模型算法,生成与X光影像相似的图像,提高了图像的转换质量和准确性;可以实现对背部脊柱骨骼结构的检测,从而有助于评估和预防脊柱畸形等疾病。

    一种基于深度学习辅助青少年特发性脊柱侧凸手术节段选择的方法

    公开(公告)号:CN117442334A

    公开(公告)日:2024-01-26

    申请号:CN202311293757.X

    申请日:2023-10-09

    Abstract: 本发明公开了一种基于深度学习辅助青少年特发性脊柱侧凸(Adolescent idiopathic scoliosis,AIS)手术节段选择的方法,包括以下步骤:训练数据的采集,根据标准采集数据,建成数据库;采用LabelMe对采集的图形进行标注和预处理;经过标注和预处理的图像作为输入,对网络模型进行训练,网络模型采用UNet和YOLOv8两种深度学习框架结合的方法;采用训练好的网络模型进行脊柱X线正位片的图像分割,给每个区域赋予一个类别标签;进行置信度修正,结合先验知识对网络模型给出的节段位置和类别计算出手术的置信度。该方法能够帮助医生快速准确地判断AIS的手术融合节段,从输入X线图像到计算置信度的整个过程无需人工干预。

Patent Agency Ranking