-
公开(公告)号：CN109509189B
公开(公告)日：2023-05-23
申请号：CN201811348179.4
申请日：2018-11-13
Applicant: 复旦大学附属中山医院 , 复旦大学
Abstract: 本发明涉及一种基于多个子区域模板的腹部肌肉标注方法及标注装置，针对腹部肌肉区域范围较广、形状变化较大、且具有多样性的特点，根据腹部肌肉形状特征及解剖学意义，将腹部肌肉划分为4个子区域；收集标准标注数据构建标准的腹部肌肉标注数据库，同时根据构建的标准标注数据库，针对腹部肌肉的4个子区域，分别构建每个子区域的多个形状模板，形成形状模板库；基于上述标注数据库和形状模板库，采用多模板匹配的方法对腹部肌肉的4个子区域分别进行自动分割与标注；同时，本发明的标注方法和标注装置能够对结果进行查看和修正，对标注结果进行细化和修正；本发明的自动标注方法大大减轻了医生的日常工作负担，同时保证了医学数据标注的精确性。
-
Patent Agency Ranking
公开(公告)号：CN109509189A
公开(公告)日：2019-03-22
申请号：CN201811348179.4
申请日：2018-11-13
Applicant: 复旦大学附属中山医院 , 复旦大学
Abstract: 本发明涉及一种基于多个子区域模板的腹部肌肉标注方法及标注装置，针对腹部肌肉区域范围较广、形状变化较大、且具有多样性的特点，根据腹部肌肉形状特征及解剖学意义，将腹部肌肉划分为4个子区域；收集标准标注数据构建标准的腹部肌肉标注数据库，同时根据构建的标准标注数据库，针对腹部肌肉的4个子区域，分别构建每个子区域的多个形状模板，形成形状模板库；基于上述标注数据库和形状模板库，采用多模板匹配的方法对腹部肌肉的4个子区域分别进行自动分割与标注；同时，本发明的标注方法和标注装置能够对结果进行查看和修正，对标注结果进行细化和修正；本发明的自动标注方法大大减轻了医生的日常工作负担，同时保证了医学数据标注的精确性。
-
公开(公告)号：CN109671068B
公开(公告)日：2022-09-13
申请号：CN201811531746.X
申请日：2018-12-14
Applicant: 复旦大学附属中山医院 , 复旦大学
IPC: G06T7/00 , G06T7/174 , G06V10/774 , G06V10/762 , G06V10/82
Abstract: 本发明涉及一种基于深度学习的腹部肌肉标注方法及装置。所述方法包括以下步骤：收集包含第三腰椎的腹部CT影像数据；标注第三腰椎位置及肌肉群位置，四个肌肉群区域分别标记为1、2、3、4，其他区域标记为0，生成与原始CT影像对应的标签影像，标签影像中每个像素的值为{0,1,2,3,4}中的一个；利用已标注的CT影像训练分割模型，所述分割模型实现将CT影像中的像素分为5类，分别对应第二步中的标签0、1、2、3、4；分割肌肉群，得到影像中每个像素位置对应的标签预测；基于肌肉群分割结果，计算肌肉面积及肌肉的影像组学特征。所述装置包括实现所述方法的相关模块。利用本发明可简便、快捷、准确地提取与营养评估相关的参数。
-
公开(公告)号：CN109671068A
公开(公告)日：2019-04-23
申请号：CN201811531746.X
申请日：2018-12-14
Applicant: 复旦大学附属中山医院 , 复旦大学
Abstract: 本发明涉及一种基于深度学习的腹部肌肉标注方法及装置。所述方法包括以下步骤：收集包含第三腰椎的腹部CT影像数据；标注第三腰椎位置及肌肉群位置，四个肌肉群区域分别标记为1、2、3、4，其他区域标记为0，生成与原始CT影像对应的标签影像，标签影像中每个像素的值为{0,1,2,3,4}中的一个；利用已标注的CT影像训练分割模型，所述分割模型实现将CT影像中的像素分为5类，分别对应第二步中的标签0、1、2、3、4；分割肌肉群，得到影像中每个像素位置对应的标签预测；基于肌肉群分割结果，计算肌肉面积及肌肉的影像组学特征。所述装置包括实现所述方法的相关模块。利用本发明可简便、快捷、准确地提取与营养评估相关的参数。
-
公开(公告)号：CN114305473A
公开(公告)日：2022-04-12
申请号：CN202210068304.6
申请日：2022-01-20
Applicant: 复旦大学
Abstract: 本发明公开了一种基于腹部CT图像和深度学习的身体成分自动测量系统。本发明系统包括CT图像上第三腰椎对应的所有轴向切片的定位模块、CT图像上第三腰椎对应轴向切片的四类骨骼肌分割模块、基于CT图像的身体成分自动测量模块。利用前两个模块训练深度学习模型定位和分割第三腰椎的四类骨骼肌，并自动计算脂肪、肌肉等身体成分的占比。本发明在临床肝硬化患者CT数据上训练验证，四类骨骼肌分割结果平均Dice达到0.9283，平均表面距离为0.6779mm。本发明利用阈值处理还能得到皮下脂肪与腹内脂肪等身体成分。本发明批量得到第三腰椎对应的身体组分用时为2‑3秒，对于临床诊断肝硬化患者并发症具有重要意义。
-
公开(公告)号：CN114305473B
公开(公告)日：2025-02-07
申请号：CN202210068304.6
申请日：2022-01-20
Applicant: 复旦大学
Abstract: 本发明公开了一种基于腹部CT图像和深度学习的身体成分自动测量系统。本发明系统包括CT图像上第三腰椎对应的所有轴向切片的定位模块、CT图像上第三腰椎对应轴向切片的四类骨骼肌分割模块、基于CT图像的身体成分自动测量模块。利用前两个模块训练深度学习模型定位和分割第三腰椎的四类骨骼肌，并自动计算脂肪、肌肉等身体成分的占比。本发明在临床肝硬化患者CT数据上训练验证，四类骨骼肌分割结果平均Dice达到0.9283，平均表面距离为0.6779mm。本发明利用阈值处理还能得到皮下脂肪与腹内脂肪等身体成分。本发明批量得到第三腰椎对应的身体组分用时为2‑3秒，对于临床诊断肝硬化患者并发症具有重要意义。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
