-
公开(公告)号：CN115881312A
公开(公告)日：2023-03-31
申请号：CN202110936944.X
申请日：2021-08-16
Applicant: 复旦大学附属肿瘤医院
IPC: G16H70/60 , G16H50/30 , G16H30/00 , G06V10/80 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08 , A61B6/00
Abstract: 本发明提供了一种II期结直肠癌预后预测方法、预测系统、智能终端和计算机可读存储介质。本发明通过融合CT扫描原发病灶和周围淋巴结的影像组学特征和深度学习特征，建立了II期CRC患者的预后预测模型，相较于单一影像组学模型或者单一深度学习模型，本申请的联合模型的预测效能最高，提供了II期结直肠癌患者的术前、非侵入性性、可重复性的预后预测方法，辅助临床筛选出预后不良的高危患者，及时协助制定临床治疗决策，实现精准用药。
-
公开(公告)号：CN116230227A
公开(公告)日：2023-06-06
申请号：CN202310175671.0
申请日：2023-02-27
Applicant: 复旦大学附属肿瘤医院
IPC: G16H50/30 , G16H50/50 , G06T7/00 , G06T7/11 , G06T5/30 , G06V10/764 , G06V10/774 , G06N20/10
Abstract: 本发明涉及一种肺癌脑转移风险预测方法,所述方法包括：对胸部CT图像上肺肿瘤影像组学特征提取；在对脑部MRI影像分割的基础上，计算脑实质区域、脑灰质区域和脑白质区域的定量影像特征；融合胸部CT影像上肺肿瘤和MRI影像上脑实质区域、脑灰质区域和脑白质区域影像特征，在运用特征选择方法筛选最佳特征的基础上，利用机器学习分类器构建脑转移预测模型；输出所述最终肺癌脑转移风险预测概率。本发明的方法自动化程度高，提高了肺癌脑转移风险预测的准确率。
-
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。
-
公开(公告)号：CN117995398A
公开(公告)日：2024-05-07
申请号：CN202410071698.X
申请日：2024-01-17
Applicant: 复旦大学附属肿瘤医院
Abstract: 本发明提供一种基于临床‑影像组学特征融合的早期非小细胞肺癌淋巴结转移风险预测方法，包括以下步骤：首先对原始CT影像进行预处理，分割肺肿瘤区域，并提取肺肿瘤区域的影像组学特征和深度图像特征，建立CT影像特征集；其次，收集临床数据，进行特征预处理后，采用特征选择方法筛选出有统计学意义的临床特征，建立临床特征集；然后，在对CT影像特征和临床特征进行归一化处理的基础上，运用特征交互方法，融合CT影像和临床特征，输入全连接神经网络，构建预测模型；最后，利用预测模型输出早期非小细胞肺癌淋巴结转移风险概率。本发明的方法自动化程度高，提高了早期非小细胞肺癌淋巴结转移风险预测的精度。
-
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：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。
-
公开(公告)号：CN119418087A
公开(公告)日：2025-02-11
申请号：CN202411321358.4
申请日：2024-09-23
Applicant: 复旦大学附属肿瘤医院
IPC: G06V10/764 , G06N3/0442 , G06V10/82 , G06N3/08 , G06N3/0895 , G06N3/098 , G06T7/10 , G06N3/0464 , G06V10/80 , G06V10/74 , G06N3/084 , G06T7/00 , G06V10/774 , G06V10/776
Abstract: 本发明提供一种基于MR影像多任务门控注意力网络的直肠癌T分期预测方法，包括以下步骤：首先对原始直肠MR影像进行预处理，并裁剪出直肠肿瘤的3D图像块；其次，构建分割‑分类多任务门控注意力融合网络，设定多任务融合损失函数；然后，在利用数据增强方法扩增训练样本库的基础上，运用自监督和联合学习方法训练模型；最后，利用训练好的多任务门控注意力网络输出直肠癌T分期预测概率。本发明的方法自动化程度高，提高了直肠癌T分期风险预测的精度。
-
公开(公告)号：CN117995398B
公开(公告)日：2024-10-01
申请号：CN202410071698.X
申请日：2024-01-17
Applicant: 复旦大学附属肿瘤医院
Abstract: 本发明提供一种基于临床‑影像组学特征融合的早期非小细胞肺癌淋巴结转移风险预测方法，包括以下步骤：首先对原始CT影像进行预处理，分割肺肿瘤区域，并提取肺肿瘤区域的影像组学特征和深度图像特征，建立CT影像特征集；其次，收集临床数据，进行特征预处理后，采用特征选择方法筛选出有统计学意义的临床特征，建立临床特征集；然后，在对CT影像特征和临床特征进行归一化处理的基础上，运用特征交互方法，融合CT影像和临床特征，输入全连接神经网络，构建预测模型；最后，利用预测模型输出早期非小细胞肺癌淋巴结转移风险概率。本发明的方法自动化程度高，提高了早期非小细胞肺癌淋巴结转移风险预测的精度。
