-
公开(公告)号：CN115862832A
公开(公告)日：2023-03-28
申请号：CN202211699883.0
申请日：2022-12-28
Applicant: 西安交通大学 , 广州思德医疗科技有限公司
Abstract: 本发明公开了一种胶囊内窥镜最优体位组合寻优方法及系统，所述方法通过原始问题序列化→轨迹序列概率建模→状态转移概率建模→体位组合评估建模→体位组合寻优，通过状态转移概率建模的方式实现轨迹序列概率建模，提出一种面向不同体位组合的价值评估方法，实现快速寻找概率空间下更具普适性的最优的体位组合；特别的，本发明提供两种状态转移概率建模的方法：基于真实胶囊内窥镜数据的统计建模方法和基于医生经验空间的概率量化建模方法；一方面，该方法可大大降低胶囊内窥镜检查过程中，对专业消化道内径医生经验的依赖；另一方面，该方法所寻优的体位路径具有的普适性，也为实现未来胶囊内窥镜智能诊疗模式奠定一定的基础。
-
Patent Agency Ranking
公开(公告)号：CN115937620A
公开(公告)日：2023-04-07
申请号：CN202111605001.5
申请日：2021-12-24
Applicant: 西安交通大学 , 西安交通大学医学院第一附属医院
Abstract: 本发明公开了一种基于多时间点CT影像分析的COVID‑19预后评估方法及系统，对于待预后评估的患者对应的数据，取初期CT数据进行预处理后输入到训练出的预后评估模型中，得到该患者是否会发生不良事件的概率；所述预后评估模型的特征提取模块支持处理单个患者多次CT数据，共享网络结构，提取出多次CT数据之间的特征；3D病灶特征Attention模块对特征提取层的得到的特征赋予权重信息；特征转化模块将特征提取模块提取的多时间CT数据纵向特征和Attention模块获取的特征权重信息进行合并，分类模块自动评估患者发生不良事件的可能性；无需复杂的病灶标注工作，帮助细化隐藏特征映射，可为临床医生提前制定针对性的治疗方案争取时间，降低COVID‑19预后不良事件的发生概率。
-
公开(公告)号：CN111870245B
公开(公告)日：2022-02-11
申请号：CN202010627841.0
申请日：2020-07-02
Applicant: 西安交通大学
Abstract: 本发明公开了一种跨对比度引导的超快速核磁共振成像深度学习方法，该方法可以在跨对比度图像引导之下，从核磁共振成像设备所采集的高度k‑空间欠采样数据中重建出高质量的核磁共振图像。该方法主要包括跨对比度引导的图像重建模型构造、模型驱动的深度注意力网络构造、模型驱动的深度注意力网络训练过程、超快速核磁共振成像应用四大步骤。采用多组k‑空间欠采样数据、相应的全采样数据重建图像和引导核磁共振图像训练网络参数，使该网络的输出图像尽可能逼近全采样重建图像。在应用中，输入k‑空间欠采样数据及引导核磁共振图像，其网络输出即为重建的高质量核磁共振图像。
-
公开(公告)号：CN111870245A
公开(公告)日：2020-11-03
申请号：CN202010627841.0
申请日：2020-07-02
Applicant: 西安交通大学
Abstract: 本发明公开了一种跨对比度引导的超快速核磁共振成像深度学习方法，该方法可以在跨对比度图像引导之下，从核磁共振成像设备所采集的高度k-空间欠采样数据中重建出高质量的核磁共振图像。该方法主要包括跨对比度引导的图像重建模型构造、模型驱动的深度注意力网络构造、模型驱动的深度注意力网络训练过程、超快速核磁共振成像应用四大步骤。采用多组k-空间欠采样数据、相应的全采样数据重建图像和引导核磁共振图像训练网络参数，使该网络的输出图像尽可能逼近全采样重建图像。在应用中，输入k-空间欠采样数据及引导核磁共振图像，其网络输出即为重建的高质量核磁共振图像。
-
公开(公告)号：CN119600035A
公开(公告)日：2025-03-11
申请号：CN202411619364.8
申请日：2024-11-13
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于离散扩散模型的跨域医学影像分割方法及相关装置，分割方法包括：获取待分割医学影像以及待分割医学影像的伪标签；将待分割医学影像输入到预先训练好的域泛化扩散分割模型中，获得医学影像分割结果；预先训练好的域泛化扩散分割模型包括依次连接的前向扩散处理模块、鲁棒特征抽取子网络和分割标签生成网络；前向扩散处理模块用于对待分割医学影像加噪，获得噪声标签，鲁棒特征抽取子网络用于对待分割医学影像提取鲁棒图像特征，分割标签生成网络用于根据鲁棒图像特征、伪标签和噪声标签，得到分割标签。本发明的方法聚焦于探索和提升域泛化扩散分割模型扩散分割模型的跨域泛化能力，采用鲁棒特征提取子网络和分割标签生成网络，实现跨域分割标签准确生成。
-
公开(公告)号：CN116912341A
公开(公告)日：2023-10-20
申请号：CN202310725878.0
申请日：2023-06-19
Applicant: 西安交通大学
IPC: G06T11/00 , G06T5/00 , G06T5/10 , G06N3/0464 , G06N3/084 , G06N3/0455
Abstract: 本发明公开了超快速的多对比度核磁共振联合成像深度学习方法，具体过程为：步骤1，构造多对比度核磁共振图像联合重建模型；步骤2，构造多对比度核磁共振图像联合重建网络，包括基于图‑注意力的邻近点网络模块和多对比度数据一致性模块；步骤3，构造基于图‑注意力的邻近点网络模块，包括特征编码器、多对比度特征交互模块和特征解码器；步骤4，训练多对比度核磁共振图像联合重建网络；步骤5，应用训练好的多对比度核磁共振图像联合重建网络进行超快速核磁共振成像。本发明方法能够有效地学习多对比度之间的正则关系，从而提高重建质量。
-
-
-
-
-
Search Results
6
records
(took 0.034 seconds)
