-
公开(公告)号：CN112184728A
公开(公告)日：2021-01-05
申请号：CN202011004400.1
申请日：2020-09-22
Applicant: 复旦大学附属肿瘤医院
Abstract: 本发明公开了一种基于磁共振图像的乳腺血管自动分割方法，包括：输入DICOM格式的T1加权磁共振图像，运用3D图像数据生成的横断面MIP(最大密度投影)图像IMIP；通过高斯滤波对MIP图像进行平滑处理；运用区域生长算法对器官组织分割；利用灰度积分投影方法，定位与分割乳房区域，去除乳房表层皮肤获得乳房区域分割结果；建立Frangi图像滤波函数，增强乳腺中血管区域；提取和分割血管区域，并滤除噪声区域；运用二值形态学运算连接血管断裂区域，获得最终乳腺血管分割结果。
-
公开(公告)号：CN111862079B
公开(公告)日：2023-09-22
申请号：CN202010755346.8
申请日：2020-07-31
Applicant: 复旦大学附属肿瘤医院
IPC: G06T7/00 , G06T7/12 , G06V10/764 , G16H50/20 , G16H50/50
Abstract: 本发明公开一种基于影像组学的高级别浆液性卵巢癌复发风险预测系统，包括T1加权增强影像组学处理、T2加权影像组学处理和信息融合。其中，影像组学处理主要包括：三维肿瘤分割、图像标准化、影像组学特征提取、特征归一化、特征筛选、SMOTE重采样、分类器训练；信息融合主要对T1和T2影像组学处理输出的复发风险预测概率进行融合，进一步提高风险预测的准确率。
-
公开(公告)号：CN114066911A
公开(公告)日：2022-02-18
申请号：CN202111393712.0
申请日：2021-11-23
Applicant: 复旦大学附属肿瘤医院
Abstract: 本发明涉及一种基于乳腺和肿瘤分割的BPE自动化提取方法和系统，方法包括获取乳腺动态增强MRI图像数据；将MRI图像数据输入至第一神经网络中对影像中的乳腺进行分割，得到乳腺区域；将乳腺区域输入至第二神经网络中对乳腺区域中的肿瘤进行分割，得到肿瘤区域；在乳腺区域中，通过自适应阈值算法提取纤维腺体作为BPE候选区域；排除BPE候选区域中和肿瘤区域发生重叠的区域，得到BPE区域。与现有技术相比，本发明具有处理速度快、识别精度高等优点。
-
公开(公告)号：CN114037709A
公开(公告)日：2022-02-11
申请号：CN202111308131.2
申请日：2021-11-05
Applicant: 复旦大学附属肿瘤医院
Abstract: 本发明涉及一种磨玻璃肺结节分割方法及装置,属于医学图像处理技术领域。所述方法包括：对肺部CT图像进行预处理；运用注意力级联残差U‑Net构建磨玻璃肺结节分割模型，对肺结节区域实施初分割，得到初分割结果；使用条件随机场优化所述初分割结果，获得最终分割结果；输出所述最终分割结果。本发明的方法自动化程度高，提高了分割效率和精度。
-
公开(公告)号：CN111862079A
公开(公告)日：2020-10-30
申请号：CN202010755346.8
申请日：2020-07-31
Applicant: 复旦大学附属肿瘤医院
Abstract: 本发明公开一种基于影像组学的高级别浆液性卵巢癌复发风险预测系统，包括T1加权增强影像组学处理、T2加权影像组学处理和信息融合。其中，影像组学处理主要包括：三维肿瘤分割、图像标准化、影像组学特征提取、特征归一化、特征筛选、SMOTE重采样、分类器训练；信息融合主要对T1和T2影像组学处理输出的复发风险预测概率进行融合，进一步提高风险预测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114066911B
公开(公告)日：2024-09-03
申请号：CN202111393712.0
申请日：2021-11-23
Applicant: 复旦大学附属肿瘤医院
IPC: G06T7/11 , G06T7/136 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于乳腺和肿瘤分割的BPE自动化提取方法和系统，方法包括获取乳腺动态增强MRI图像数据；将MRI图像数据输入至第一神经网络中对影像中的乳腺进行分割，得到乳腺区域；将乳腺区域输入至第二神经网络中对乳腺区域中的肿瘤进行分割，得到肿瘤区域；在乳腺区域中，通过自适应阈值算法提取纤维腺体作为BPE候选区域；排除BPE候选区域中和肿瘤区域发生重叠的区域，得到BPE区域。与现有技术相比，本发明具有处理速度快、识别精度高等优点。
-
公开(公告)号：CN114037709B
公开(公告)日：2023-06-16
申请号：CN202111308131.2
申请日：2021-11-05
Applicant: 复旦大学附属肿瘤医院
IPC: G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种磨玻璃肺结节分割方法及装置,属于医学图像处理技术领域。所述方法包括：对肺部CT图像进行预处理；运用注意力级联残差U‑Net构建磨玻璃肺结节分割模型，对肺结节区域实施初分割，得到初分割结果；使用条件随机场优化所述初分割结果，获得最终分割结果；输出所述最终分割结果。本发明的方法自动化程度高，提高了分割效率和精度。
-
公开(公告)号：CN112184728B
公开(公告)日：2023-06-16
申请号：CN202011004400.1
申请日：2020-09-22
Applicant: 复旦大学附属肿瘤医院
Abstract: 本发明公开了一种基于磁共振图像的乳腺血管自动分割方法，包括：输入DICOM格式的T1加权磁共振图像，运用3D图像数据生成的横断面MIP(最大密度投影)图像IMIP；通过高斯滤波对MIP图像进行平滑处理；运用区域生长算法对器官组织分割；利用灰度积分投影方法，定位与分割乳房区域，去除乳房表层皮肤获得乳房区域分割结果；建立Frangi图像滤波函数，增强乳腺中血管区域；提取和分割血管区域，并滤除噪声区域；运用二值形态学运算连接血管断裂区域，获得最终乳腺血管分割结果。
-
公开(公告)号：CN111539918A
公开(公告)日：2020-08-14
申请号：CN202010295618.0
申请日：2020-04-15
Applicant: 复旦大学附属肿瘤医院
Abstract: 本发明基于深度学习的磨玻璃肺结节风险分层预测系统包括：图像处理模块运用窗宽窗位调节技术，使用标准肺窗下窗宽和窗位，将所有肺部CT图像转化为灰度图像；提取模块提取灰度图像中3D肺结节区域，结合病理标签将肺结节分为良性、非浸润性腺癌和浸润性腺癌三组；数据扩增模块利用数据扩增技术，按良性与恶性比例为1:1、非浸润性组与浸润腺组比例为1:1分别对三组肺结节数据进行扩增；第一风险预测模块利用良性和恶性组肺结节数据，训练卷积神经网络模型，构建I级风险预测模型，预测肺结节恶性风险；第二风险预测模块利用非浸润性腺癌和浸润性腺癌组肺结节数据，训练卷积神经网络模型，构建II级风险预测模型，预测肺结节浸润风险。
-
公开(公告)号：CN111539918B
公开(公告)日：2023-05-02
申请号：CN202010295618.0
申请日：2020-04-15
Applicant: 复旦大学附属肿瘤医院
IPC: G06T7/00 , G06T7/90 , G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82
Abstract: 本发明基于深度学习的磨玻璃肺结节风险分层预测系统包括：图像处理模块运用窗宽窗位调节技术，使用标准肺窗下窗宽和窗位，将所有肺部CT图像转化为灰度图像；提取模块提取灰度图像中3D肺结节区域，结合病理标签将肺结节分为良性、非浸润性腺癌和浸润性腺癌三组；数据扩增模块利用数据扩增技术，按良性与恶性比例为1:1、非浸润性组与浸润腺组比例为1:1分别对三组肺结节数据进行扩增；第一风险预测模块利用良性和恶性组肺结节数据，训练卷积神经网络模型，构建I级风险预测模型，预测肺结节恶性风险；第二风险预测模块利用非浸润性腺癌和浸润性腺癌组肺结节数据，训练卷积神经网络模型，构建II级风险预测模型，预测肺结节浸润风险。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
