公开(公告)号：CN112037913A

公开(公告)日：2020-12-04

申请号：CN202010966941.6

申请日：2020-09-15

Applicant: 南昌大学 ,  南昌大学第二附属医院

Inventor： 邓立彬 ,  宋莉 ,  赖志强 ,  葛尚华 ,  刘强东 ,  戴芳 ,  娄伟明 ,  李璨 ,  杨晶晶 ,  陈霖佳 ,  彭捷 ,  吴婧婷 ,  邹源 ,  俞晴 ,  吴梓俊

IPC: G16H50/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00

Abstract: 本发明属于智能检测技术领域，公开了一种基于卷积神经网络的牙周炎智能检测方法及系统，获取牙周炎患者的全景片图像、根尖片图像以及患者的相关资料数据；并对获取的图像数据进行筛选、预处理；将预处理后的图像分为训练集、测试集以及验证集，并输入构建的卷积神经网络进行训练、验证；对训练的卷积神经网络的参数进行优化，对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；利用经过检测的卷积神经网络进行牙周炎的智能检测。本发明采用计算机智能判读X线片，使牙周病诊断趋于同质化；本发明阅片快速，高效；本发明通过计算机数据判读X线的变化，提高牙周病诊断的效率和准确率，降低医疗成本，易于向基层推广。

公开(公告)号：CN112037913B

公开(公告)日：2022-08-30

申请号：CN202010966941.6

申请日：2020-09-15

Applicant: 南昌大学 ,  南昌大学第二附属医院

Inventor： 邓立彬 ,  宋莉 ,  赖志强 ,  葛尚华 ,  刘强东 ,  戴芳 ,  娄伟明 ,  李璨 ,  杨晶晶 ,  陈霖佳 ,  彭捷 ,  吴婧婷 ,  邹源 ,  俞晴 ,  吴梓俊

IPC: G16H50/20 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00

Abstract: 本发明属于智能检测技术领域，公开了一种基于卷积神经网络的牙周炎智能检测方法及系统，获取牙周炎患者的全景片图像、根尖片图像以及患者的相关资料数据；并对获取的图像数据进行筛选、预处理；将预处理后的图像分为训练集、测试集以及验证集，并输入构建的卷积神经网络进行训练、验证；对训练的卷积神经网络的参数进行优化，对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；利用经过检测的卷积神经网络进行牙周炎的智能检测。本发明采用计算机智能判读X线片，使牙周病诊断趋于同质化；本发明阅片快速，高效；本发明通过计算机数据判读X线的变化，提高牙周病诊断的效率和准确率，降低医疗成本，易于向基层推广。

公开(公告)号：CN114170183A

公开(公告)日：2022-03-11

申请号：CN202111487778.6

申请日：2021-12-07

Applicant: 南昌大学

Inventor： 邓立彬 ,  娄伟明 ,  汤晓丽 ,  刘越 ,  葛尚华 ,  邬以国 ,  高建莹 ,  傅芬 ,  石超

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明公开了一种基于病理图像分析的卵巢癌化疗敏感性预测方法和系统，主要包括以下步骤：1.获取卵巢癌的病理组织切片图像；2.切片图像切割成色块并筛选；3.将色块分为训练集和验证集，并输入卷积神经网络进行模型构建及图像特征提取；4.基于图像特征预测个体化疗敏感性评分；5.利用测试集数据对优化后的复合模型进行预测，检测准确度。预测系统包括卵巢组织切片图像处理模块、图像特征提取模块、特征选择及化疗敏感性评分计算模块和卵巢癌化疗敏感性智能预测模块。本发明能够凭借病理切片实现智能检测，实现快速准确预测卵巢癌患者的化疗反应性。

公开(公告)号：CN114159071A

公开(公告)日：2022-03-11

申请号：CN202111580521.5

申请日：2021-12-22

Applicant: 南昌大学

Inventor： 邓立彬 ,  范广勤 ,  冯昶 ,  王钰婷 ,  娄伟明 ,  张伊楚 ,  谢锐翔 ,  黄卫

IPC: A61B5/318 ,  A61B5/00 ,  G06N3/04 ,  G06N3/08 ,  G16H30/20 ,  G16H50/20

Abstract: 本发明提供了一种基于心电图像的帕金森预测智能化方法及系统。该方法主要步骤：第一步，获取心电图图像以及其相关资料数据；第二步，对获取图像进行筛选、预处理；第三步，将预处理后的图像分为训练集、测试集以及验证集，并输入构建的卷积神经网络进行训练、验证；第四步，对训练的卷积神经网络的参数进行优化，对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；最后，利用经过检测的卷积神经网络模型对帕金森进行预测。本发明采用人工智能判读心电图，可快速而准确地提取超出人类医生眼力极限的心电图隐藏信息并进行分类，迅速无创地筛查帕金森病，提高帕金森诊断的效率和准确率，降低医疗成本，易于向基层推广。

公开(公告)号：CN116863209A

公开(公告)日：2023-10-10

申请号：CN202310756730.3

申请日：2023-06-26

Applicant: 南昌大学

Inventor： 汤晓丽 ,  谢锐翔 ,  高建莹 ,  邓立彬 ,  娄伟明 ,  鲁依辰 ,  黄佳懿

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06T7/00 ,  G16H50/20 ,  G16H30/20 ,  G06V10/25

Abstract: 本发明提出一种基于病理图像的肝细胞癌组织学亚型智能量化系统，步骤包括：获取肝细胞癌病理图像并进行预处理；勾画病理图像中不同组织学类型的感兴趣区(ROI，region of interest)，切割ROI获得色块(tile)，构建不同组织学类型的tile数据集；将数据集分为训练集、验证集和测试集，利用深度学习网络对数据集进行训练，获得组织学类型判别模型；自动进行肝细胞癌病理图像分析并统计各组织学亚型所占比例，生成最终的分析报告和分布轮廓。本发明能够充分利用病理图像的信息，通过自动化的分类训练和统计，得到的分类报告可以作为辅助医生的工具，提高诊断的效率和准确度。

公开(公告)号：CN114743672A

公开(公告)日：2022-07-12

申请号：CN202210270490.1

申请日：2022-03-18

Applicant: 南昌市高新区人民医院(南昌大学第一附属医院高新医院)

Inventor： 石超 ,  邓立彬 ,  邱峰 ,  娄伟明 ,  高建莹 ,  张黎

IPC: G16H50/30 ,  G16H50/20 ,  G06T7/90 ,  G06N3/08 ,  G06N3/04 ,  A61B5/00

Abstract: 本发明公开了一种NSCLC淋巴结转移风险的智能预测方法及系统；通过获取肺癌患者的H&E染色全视野数字切片以及患者的临床资料；对图像数据进行质控、色块处理、筛选；将预处理后的色块用于两阶段分析流程：包括建立识别非癌组织的CNN模型和预测早期非小细胞肺癌淋巴结转移的CNN模型。两部分分析均包括：将色块图像分为训练集和验证集，并通过CNN算法构建模型，对训练的CNN模型参数进行优化，对优化后的CNN模型在验证集中进行验证。最终利用经过检测的CNN模型对早期非小细胞肺癌淋巴结转移风险进行预测。本发明采用深度学习算法评判病理切片，使得肿瘤转移风险评估的准确性得以提高，大大降低医疗成本，易于广泛推广。