公开(公告)号：CN118172695A

公开(公告)日：2024-06-11

申请号：CN202410091779.6

申请日：2024-01-23

Applicant: 复旦大学

Inventor： 余锦华 ,  谢袁欣 ,  丁红 ,  史之峰 ,  张显迪

IPC: G06V20/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明涉及一种基于超声造影视频的基因类型分类方法，应用于计算机，包括如下步骤：获取包括多帧灰度图‑造影图双模态视频，针对两帧相邻的灰度图，计算灰度直方图的巴氏系数，当所述巴氏系数满足预设条件时更新肿瘤内区域和肿瘤外区域；基于更新后的肿瘤内区域和肿瘤外区域对应的灰度图‑造影图双模态图像，分别计算肿瘤内区域的时间‑强度曲线和肿瘤外区域的时间‑强度曲线；将肿瘤内区域和肿瘤外区域的时间‑强度曲线以并行方式输入预训练好的时序卷积模型中，输出基因类型的预测结果。与现有技术相比，本发明具有提高TIC序列采集的准确性、鲁棒性强等优点，进而提高了基因类型预测的准确性。

公开(公告)号：CN116309404A

公开(公告)日：2023-06-23

申请号：CN202310202432.X

申请日：2023-03-02

Applicant: 复旦大学附属华山医院

Inventor： 丁红 ,  史之峰 ,  张显迪 ,  王涌 ,  杨伯捷 ,  沈超 ,  齐曾鑫 ,  余锦华 ,  毛颖

IPC: G06T7/00 ,  A61B90/00 ,  A61B8/08 ,  G06V10/774 ,  G06V10/94 ,  G16H30/20 ,  G16H30/40 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种脑胶质瘤术中超声实时检测方法和系统，该方法包括如下步骤：S1，对采集到的脑胶质瘤患者的超声静态图像进行预处理，获得处理后的第一超声图像；S2，对处理后的超声图像标注胶质瘤病灶区域，并基于标注的第一超声图像生成对应的胶质瘤超声数据集；S3，通过所述的胶质瘤超声数据集训练深度卷积神经网络模型，所述的深度卷积神经网络模型用于从输入的术中超声图像识别胶质瘤病灶区域；S4，将术中实时超声图像输入训练好的深度卷积神经网络模型，识别患者的胶质瘤病灶区域。本发明能够实时检测术中超声影像的胶质瘤病灶，为外科医生手术切除胶质瘤提供导航信息。