-
公开(公告)号:CN119090772A
公开(公告)日:2024-12-06
申请号:CN202411209527.5
申请日:2024-08-30
Applicant: 复旦大学附属中山医院青浦分院(上海市青浦区中心医院)
IPC: G06T5/73 , G06T7/00 , G06T5/50 , G06T3/4038 , G06T5/60 , G06N3/0464 , G06T5/90 , G06N3/0455 , G06N3/088 , G06T7/30
Abstract: 本发明公开了一种心脏介入手术用图像增强方法、装置、模块、系统及介质,所述方法包括如下步骤:获取冠状动脉造影左右视角的两幅图像;将所述左右视角的两幅图像经预处理后拼接,提取拼接图像的特征图,并基于所述特征图生成模糊图;对所述模糊图进行去模糊处理;将去模糊处理后的左右视角图像进行融合,生成最终的冠状动脉造影图像。本发明提供的方法能够有效去除心脏介入手术中X射线造影图像的散焦模糊,提高图像的清晰度,以便于辅助医生进行精准诊断和手术操作,以提高手术的安全性和精确性,同时还具有实时性强、鲁棒性好等优势。
-
公开(公告)号:CN119091354A
公开(公告)日:2024-12-06
申请号:CN202411209794.2
申请日:2024-08-30
Applicant: 复旦大学附属中山医院青浦分院(上海市青浦区中心医院)
IPC: G06V20/40 , G06N5/022 , G06V10/40 , G06N3/0455 , G06N3/042
Abstract: 本发明公开了一种心脏消融手术视频智能字幕生成方法、系统、装置及介质。所述方法包括如下步骤:构建心脏消融手术知识图谱,所述知识图谱包括心脏解剖结构、心脏消融手术设计的器械、心脏消融手术的操作步骤;对心脏消融手术视频进行预处理,以提取视频特征数据,所述视频特征数据包括关键帧、手术器械、解剖结构、音频和文本信息;基于所述心脏消融手术知识图谱,对所述视频特征数据进行处理,生成字幕文本。本发明通过引入心脏消融手术专业知识图谱和双流Transformer架构,能同时利用外部知识和内部视频信息,提高对手术过程的整体理解,提高了心脏消融手术视频智能字幕生成的专业性和准确性。
-
公开(公告)号:CN119723181A
公开(公告)日:2025-03-28
申请号:CN202411783760.4
申请日:2024-12-06
Applicant: 复旦大学附属中山医院青浦分院(上海市青浦区中心医院)
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/094
Abstract: 本发明公开了一种主动脉瓣CTA图像分类器旋转鲁棒性提高方法及装置,所述方法包括:获取主动脉瓣CTA图像数据并进行预处理,形成训练样本集;提取训练样本集的主动脉瓣特征;根据所提取的特征,设计轴向旋转攻击算法,对训练样本集进行轴向旋转变换,生成具有不同旋转角度的对抗样本集;将对抗样本集加入训练样本集中,形成旋转池;通过旋转池对主动脉瓣CTA图像分类器进行对抗训练,以提高分类器的旋转鲁棒性。本发明利用对抗训练技术,显著提高了主动脉瓣CTA图像分类器的旋转鲁棒性,且系统开发的复杂度和部署成本低,能够直接应用于现有的主动脉瓣CTA图像分类器系统中,具备良好的通用性和适用性。
-
公开(公告)号:CN119385573A
公开(公告)日:2025-02-07
申请号:CN202411565580.9
申请日:2024-11-05
Applicant: 复旦大学附属中山医院青浦分院(上海市青浦区中心医院)
Abstract: 本发明公开了一种心脏电生理分析方法、系统、装置及存储介质。所述方法包括如下步骤:获取心电图数据、心超图像数据及临床指标数据,并对所获取的数据进行预处理;提取预处理后的心电图数据、心超图像数据及临床指标数据的特征;将所述心电图数据、心超图像数据及临床指标数据的特征进行融合,实现不同模态信息的交互,生成融合特征;将所述融合特征解码为融合输出数据;基于所述融合输出数据对心脏电生理性能进行分析。本发明能够学习海量心脏电生理数据,进而对心脏电生理性能进行精准的分析;且通过设计可解释性模块,能够突出关键特征,并生成可视化来源的分析解释报告,为医生临床决策提供可靠依据,提高医生的信任度和接受度。
-
公开(公告)号:CN119339287A
公开(公告)日:2025-01-21
申请号:CN202411382141.4
申请日:2024-09-30
Applicant: 复旦大学附属中山医院青浦分院(上海市青浦区中心医院)
Abstract: 本发明公开了一种DSA影像视频序列自动分割方法、系统、装置及介质,所述方法包括:获取DSA影像视频序列样本数据集并进行预处理;从连续的DSA影像视频序列中提取关键帧并进行标注,识别并标记出关键结构;将标注后的样本数据集输入SAM2模型;SAM2模型进行关键特征提取,提取出冠状动脉的几何特征,以及冠状动脉与其他解剖结构的相对位置,并基于此识别出冠状动脉的边界,将冠状动脉与其他解剖结构进行分割显示,输出分割结果图。本发明实现了对DSA影像视频序列高效、精确的自动分割,能够有效应对冠状动脉动态变化、视角变换以及手术过程中的复杂场景,保持分割结果的一致性和鲁棒性,且具有很高的处理精度和效率。
-
-
-
-