公开(公告)号：CN117934398A

公开(公告)日：2024-04-26

申请号：CN202410045903.5

申请日：2024-01-12

Applicant: 复旦大学附属儿科医院

Inventor： 冯瑞 ,  张晓波 ,  陈钊浩 ,  何雯 ,  傅唯佳 ,  沈全力 ,  苏玲

IPC: G06T7/00 ,  G06V10/52 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种基于多尺度特征的无参考CT图像质量评估方法，包括如下步骤：步骤S1，从Mayo Clinic数据集生成不同质量的CT图像训练集。步骤S2，基于卷积神经网络，构建无参考的CT质量评估网络。步骤S3，将步骤S1的训练集输入到CT质量评估网络中，训练网络直到网络收敛。步骤S4，将待测CT图像输入训练好的CT质量评估网络中，获取CT图像的质量评分。本发明结合多尺度特征提取、结构评价分支、特征评价分支和质量系数分支的CT质量评估网络，能针对CT图像中的细节和整体结构，产生精确的质量评估分数，从而实现对CT图像质量的量化评估。

公开(公告)号：CN118229563A

公开(公告)日：2024-06-21

申请号：CN202410045620.0

申请日：2024-01-12

Applicant: 复旦大学附属儿科医院

Inventor： 陈钊浩 ,  冯瑞 ,  张晓波 ,  何雯 ,  傅唯佳 ,  沈全力 ,  王青

IPC: G06T5/70 ,  G06T5/73 ,  G06T5/60 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明提供一种基于贝叶斯神经网络的低剂量CT图像质量增强方法，包括如下步骤：步骤S1，使用Mayo Clinic数据集作为训练集。步骤S2，基于贝叶斯卷积层构建用于增强低剂量CT图像质量的贝叶斯神经网络。步骤S3，对训练集进行数据增强后，输入到贝叶斯神经网络中，训练贝叶斯神经网络，直到网络收敛。步骤S4，使用训练完成的贝叶斯神经网络对低剂量CT图像进行计算，生成质量增强的低剂量CT图像。

公开(公告)号：CN116245828A

公开(公告)日：2023-06-09

申请号：CN202310089630.X

申请日：2023-02-09

Applicant: 复旦大学附属儿科医院

Inventor： 冯瑞 ,  张晓波 ,  王颖雯 ,  沈全力 ,  傅唯佳 ,  黄新宇 ,  蒋龙泉 ,  徐虹 ,  黄国英 ,  叶成杰 ,  葛小玲

IPC: G06T7/00 ,  G06F40/295 ,  G16H30/40 ,  G16H15/00 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/096

Abstract: 本发明提供一种融合医学领域知识的胸部X线质量评价方法，将胸部X线诊断文本报告和质量控制报告文本数据，通过知识抽取和知识融合转换为三元组信息，将其作为与医学影像对应的领域知识指导信息参与模型训练，利用大规模医学影像及其诊断报告、质量控制报告文本标注数据，通过对基于对比文本‑图像对的预训练模型进行微调实现跨域迁移学习，有效克服了训练样本数据量不足的问题，并且利用将X线图像的分块局部视觉特征与多个文本特征进行对齐，以保证视觉特征包含更多的细粒度图像信息，避免全局视觉信息无法反映用于疾病诊断的局部图像质量问题。