公开(公告)号：CN118470393A

公开(公告)日：2024-08-09

申请号：CN202410552829.6

申请日：2024-05-07

Applicant: 苏州麦迪斯顿医疗科技股份有限公司

Inventor： 刘洋 ,  高堃 ,  杨承其 ,  李维勤 ,  赵志成

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/774 ,  G06V10/44 ,  G06V10/54 ,  G06V10/82

Abstract: 本发明涉及一种基于胰腺炎CT影像的分级方法、系统及计算机存储介质，方法包括：获取目标胰腺CT医学图像；对所述胰腺CT医学图像进行形态特征提取，对所述胰腺CT医学图像进行纹理特征提取；对所述胰腺CT医学图像进行深度特征提取；对获取的所述形态特征信息、纹理特征信息以及深度特征信息进行融合，得到关于所述胰腺CT医学图像的综合特征信息；基于所述综合特征信息，对所述胰腺CT医学图像进行图像重构，以得到重构后的第一重构图像；基于所述深度特征增强网络，对所述第一重构图像进行分类训练，对所述胰腺CT医学图像进行分级，并得到分级结果。提高患者临床治愈率。同时分级数据以结构化形势存储在患者治疗过程数据中，可支撑临床进一步展开相关研究工作。

公开(公告)号：CN119863443A

公开(公告)日：2025-04-22

申请号：CN202411935712.2

申请日：2024-12-26

Applicant: 苏州麦迪斯顿医疗科技股份有限公司

Inventor： 赵志成 ,  杨承其 ,  朱延传 ,  刘洋 ,  高堃 ,  李维勤

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及一种基于人工智能的压力性损伤检测方法、系统及介质，方法包括：分别获取目标位置对应的红外源图像及微波源图像；对红外源图像及微波源图像进行特征提取，得到对应的红外特征信息及微波特征信息；基于对抗网络，将红外特征信息及微波特征信息融合，得到融合特征信息；基于融合特征信息，提取对应压力性损伤特征值，以获取目标位置的压力性损伤的检测信息，基于检测信息对目标位置进行压力性损伤分级。上述利用红外图像结合微波图像，对图像分别进行特征提取，并进行特征融合，利用红外技术检测损伤发生前后皮肤温度分布的规律性变化，预测隐匿的深部组织损伤，并进行分级，降低了医护人员的评估误差，解决了评估标准不统一的问题。

公开(公告)号：CN114300073A

公开(公告)日：2022-04-08

申请号：CN202111629998.8

申请日：2021-12-28

Applicant: 高堃 ,  苏州麦迪斯顿医疗科技股份有限公司

Inventor： 杨承其 ,  高堃 ,  刘洋 ,  李维勤

IPC: G16H10/20 ,  G16H10/60 ,  G16H50/20 ,  G16H50/70

Abstract: 本发明提供一种临床患者监测方法、系统及计算机存储介质。其中，所述临床患者监测方法包括：S1、建立诊断数据库、检验数据库以及实时体征数据库；S2、基于建立的诊断数据库、检验数据库以及实时体征数据库，采集其中针对临床患者的目标数据；S3、将目标数据输入到诊断模型中，并输出诊断结果；S4、基于输出的诊断结果，通过查找专家库中的数据，推送对应的临床处置措施。本发明的临床患者监测方法中，通过建立与患者体征状况相关联的数据库，并基于该关联数据库采集其中的目标数据，通过对目标数据与标准阈值数据的实时比对，可实现对临床患者的相关体征状况进行持续监测，进而克服现有技术中存在的监测不及时、应对不得当的问题。

公开(公告)号：CN119904687A

公开(公告)日：2025-04-29

申请号：CN202411976437.9

申请日：2024-12-31

Applicant: 苏州麦迪斯顿医疗科技股份有限公司

Inventor： 赵志成 ,  杨承其 ,  朱延传 ,  刘洋 ,  高堃 ,  李维勤

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/40 ,  G06V10/54 ,  G06V10/82 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种基于深度多特征增强网络的医学图像分类方法、系统及计算机存储介质，方法包括：获取关于患者的胰腺CT医学图像；对胰腺CT医学图像进行图像特征提取，以得到胰腺CT医学图像对应的形态特征信息、纹理特征信息及深度特征信息；对形态特征信息、纹理特征信息以及深度特征信息进行融合，以得到综合特征信息；对综合特征信息进行图像重构，以得到由纹理特征信息与形态特征信息增强重构后的增强重构图像信息；基于Softmax交叉熵损失函数，对增强重构图像信息进行分类训练，以得到胰腺CT医学图像对应的分级信息。通过上述实施方式可以自动实现患者胰腺CT影像的智能分级，有效辅助临床对患者进行针对性治疗，提高患者临床治愈率。

公开(公告)号：CN114220509A

公开(公告)日：2022-03-22

申请号：CN202111587911.5

申请日：2021-12-23

Applicant: 高堃 ,  苏州麦迪斯顿医疗科技股份有限公司

Inventor： 高堃 ,  刘洋 ,  杨承其 ,  李维勤

IPC: G16H10/60 ,  G06F40/186

Abstract: 本申请提供了一种医疗文书生成方法、系统及可读存储介质，其中方法包括：对用户操作进行监控；当监控到与预设的关键字相关的操作时，调用与所述关键字对应的模板；将模板填充至医疗文书中。本申请通过对用户操作进行监控，并根据关键词调用特定模板，能够提高医疗文书录入效率，减少出错，并且录入文字结构化程度高，便于后期利用。