公开(公告)号：CN112451022A

公开(公告)日：2021-03-09

申请号：CN202011338430.6

申请日：2020-11-25

Applicant: 复旦大学附属华山医院

Inventor： 陈曦 ,  高瑞林 ,  葛亮 ,  鲁刚 ,  万海林 ,  蒋叶清 ,  张晓龙

IPC: A61B17/12 ,  A61B6/00

Abstract: 本发明涉及医疗器械领域，公开了一种颈动脉压迫器，用于辅助病患进行脑血管造影，包括：第一夹持杆；第二夹持杆，一端与第一夹持杆的一端转动连接；绷带，一端安装在第一夹持杆的另一端，另一端安装在二夹持杆的另一端；以及一对压迫组件，相对安装在第一夹持杆以及第二夹持杆上，用于压迫病患的颈动脉。在辅助病患进行脑造影时，颈动脉压迫器套设在病患的颈部，并调整绷带使得压迫组件对病患的颈动脉进行压迫，然后将第一夹持杆以及第二夹持杆插设在扫描床的定位孔内。所以，本发明提供的颈动脉压迫器，能够在脑血管造影时辅助医生压迫劲动脉，提高医生的工作效率，避免医生受到辐射。

公开(公告)号：CN111815766A

公开(公告)日：2020-10-23

申请号：CN202010738507.2

申请日：2020-07-28

Applicant: 复旦大学附属华山医院

Inventor： 耿道颖 ,  于泽宽 ,  李美佳 ,  王俊杰 ,  刘杰 ,  李郁欣 ,  尹波 ,  张晓龙 ,  张军 ,  吴昊 ,  鲁刚 ,  狄若愚 ,  颜荣耀 ,  于媛媛 ,  费远宇

IPC: G06T17/00 ,  G06T7/136 ,  G06T7/00 ,  G06T5/20 ,  G06K9/46

Abstract: 本发明公开了一种基于2D-DSA图像重建血管三维模型处理方法，其包括以下步骤：步骤S1：采集基于正位和侧位两个角度的2D-DSA图像，基于所采集的2D-DSA图像构建稀疏血管点云；步骤S2：基于构建的稀疏血管点云预处理获得点云片和标准结果，将获得的点云片和标准结果以及已知的颅内血管数据集作为训练集输入PU-GCN深度学习网络对其进行训练，获得训练好的PU-GCN深度学习网络；步骤S3：将待重建2D-DSA图像基于步骤S1获得待重建稀疏点云，将待重建稀疏点云输入训练好的PU-GCN深度学习网络中输出得到待重建稠密点云，基于待重建稠密点云获得血管三维模型。此外，本发明还公开了一种处理系统。

公开(公告)号：CN111667478A

公开(公告)日：2020-09-15

申请号：CN202010523637.4

申请日：2020-06-10

Applicant: 复旦大学附属华山医院

Inventor： 耿道颖 ,  于泽宽 ,  张军 ,  尹波 ,  李郁欣 ,  吴昊 ,  耿岩 ,  胡斌 ,  杨丽琴 ,  张晓龙 ,  狄若愚

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/33 ,  G06T7/73 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于CTA到MRA跨模态预测的颈动脉斑块识别方法，包括以下步骤：数据收集步骤：收集配对的颈动脉CTA和MRA图像数据；斑块分割及模型训练步骤：先进行CTA和MRA颈动脉管腔的定位，然后进行颈动脉斑块的分割，获得CTA和MRA的斑块区域图像，将CTA和MRA的斑块区域图像送到pix2pix或者cycle-GAN网络进行训练，获得初步训练后的模型。本发明设计完整、新颖的算法流程，使用改进的深度学习Multiplan-net算法对CTA图像上的颈动脉管腔、斑块进行自动分割，在此基础上设计优化的对抗生成网络进行CTA数据扩增，从而进一步提高分割精度。