-
公开(公告)号：CN119650030A
公开(公告)日：2025-03-18
申请号：CN202411842614.4
申请日：2024-12-13
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本申请涉及脑卒中预测技术领域，具体涉及一种脑卒中预测方法、系统和设备。本申请提供的脑卒中预测方法，除了对患者的面部信息进行识别外，还获取患者的握力差值信息以及历史病历信息，并将握力差值信息和患者的历史病历信息交互处理后，与面部特征信息相结合，作为预测模型的输入对脑卒中进行预测，通过这种方式，结合了患者的面部信息和握力差值信息，同时也比对使用者的历史记录数据，预测风险结果能够反映患者病情的变化，大大提高了脑卒中的预测成功率。
-
公开(公告)号：CN114820637A
公开(公告)日：2022-07-29
申请号：CN202210632855.0
申请日：2022-06-06
Applicant: 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全自动分割技术的全心脏表面积的计算方法，包括：获取动脉期增强CT心脏图像并进行图像平滑预处理，获得第一图像；基于改进的分水岭算法对第一图像进行初始轮廓线的提取，获得第二图像；通过改进的局域化活动轮廓模型对第二图像的初始轮廓线进行迭代直至收敛，完成对第二图像的全自动精细分割，获得第三图像；对第三图像的心脏区域抽取处理，以拓扑形式连接成三角面片，实现心表面积的计算。本发明能够进一步更准确的获得心脏表面积的真实参考值，思路新颖，过程简单，有重要的临床和科研价值。
-
公开(公告)号：CN113777546A
公开(公告)日：2021-12-10
申请号：CN202111069511.5
申请日：2021-09-13
Applicant: 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三维映射的磁共振多参数脑白质高信号量化方法,包括以下步骤：S1、对磁共振影像进行预处理，结合T1WI、T2WI和PD成像序列构建三维映射空间；S2、获取脑白质信号异常的标签，基于所述三维映射空间，构建多模态高斯分类器阵列；S3、根据所述T1WI、T2WI和PD进行强度分布，再结合所述多模态高斯分类器阵列，对给定类别中的最大后置概率进行分类，构成基于马氏距离的图像模板；S4、生成最终标记的脑白质信号异常的标签。本申请克服传统T2或FLAIR序列无法有效鉴别由血管损伤造成的影像表征问题及不规则信号可导致病灶边界模糊，实现对全脑白质信号异常的精确定量和分布特征描述。
-
公开(公告)号：CN113707319A
公开(公告)日：2021-11-26
申请号：CN202111001909.5
申请日：2021-08-30
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本发明公开一种一氧化碳中毒迟发性脑病预测模型的构建方法，包括：S1、获取一氧化碳患者的临床、实验室、影像相关数据；S2、对所述纳入的相关数据进行单因素分析，筛选获得与一氧化碳中毒迟发性脑病相关的指标；S3、对所述指标进行多因素Logistic回归分析，获得一氧化碳中毒迟发性脑病的危险因素标志物，并对所述危险因素标志物进行评估，计算获得一氧化碳中毒迟发性脑病比值比，建立列线图，构建一氧化碳中毒迟发性脑病预测模型；S4、对所述一氧化碳中毒迟发性脑病预测模型进行校准度评价。本申请对一氧化碳中毒后出现迟发性脑病的风险进行预测，有助于及早进行干预，促进患者的康复，降低了患者的精神和经济负担。
-
公开(公告)号：CN111227833B
公开(公告)日：2021-09-14
申请号：CN202010036446.5
申请日：2020-01-14
Applicant: 西安交通大学医学院第一附属医院
IPC: A61B5/055
Abstract: 本发明公开了一种基于广义线性模型的机器学习的术前定位方法，包括以下步骤：获得结构图像和功能磁共振图像；对结构图像和功能磁共振图像进行预处理；对结构图像和功能磁共振图像进行分割和配准操作，使用双重回归方法提取运动网络；构建广义线性预测模型，将大脑分区进行广义线性预测模型拟合；本发明方法可以更准确地在静息态功能磁共振的基础上识别运动区域预测个体的运动激活图，能够以实际任务功能磁共振图像激活为参考，使用主动任务激活训练的广义线性预测模能有效预测被动任务激活，广义线性预测模对于不能达到满意任务表现的患者，包括老年人、儿童、肿瘤患者具有重要的临床应用价值。
-
Patent Agency Ranking
公开(公告)号：CN110537915A
公开(公告)日：2019-12-06
申请号：CN201910844699.2
申请日：2019-09-07
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本发明公开一种基于FMRI及DTI融合的皮质脊髓束纤维追踪方法,包括对fMRI和DTI磁共振图像数据进行预处理、通过任务态功能激活提取最大激活区定义种子点来确定重要运动区域、ROI选取、利用多纤维模型的概率追踪法完成纤维追踪，本发明通过选择fMRI的运动激活区作为DTI纤维追踪的种子点，与传统解剖位置定义对脑肿瘤患者进行CST纤维追踪进行比较，以此来评价CST的不同成分与脑肿瘤边界的空间位置关系，从而为脑肿瘤患者提供有价值的术前信息。
-
公开(公告)号：CN119445261A
公开(公告)日：2025-02-14
申请号：CN202510038224.X
申请日：2025-01-10
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本申请涉及医疗数据处理技术领域，其具体地公开了一种基于人工智能的智慧医疗数据处理系统及方法，其采用基于深度学习的图像处理技术对慢性病患者复查的CT扫描影像进行多层次特征提取，挖掘出CT扫描影像中支气管扩张区域的纹理特征和结构特征，并通过对支气管扩张状态的纹理特征和结构特征进行基于核心关联特征的细粒度语义交互融合，以实现对支气管扩张状态的全面理解，进而智能识别出支气管扩张的支扩类型。这样，可以有效提高支气管扩张类型的识别精度，从而为医生提供更为准确的诊断依据。
-
公开(公告)号：CN113777546B
公开(公告)日：2023-04-25
申请号：CN202111069511.5
申请日：2021-09-13
Applicant: 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三维映射的磁共振多参数脑白质高信号量化方法,包括以下步骤：S1、对磁共振影像进行预处理，结合T1WI、T2WI和PD成像序列构建三维映射空间；S2、获取脑白质信号异常的标签，基于所述三维映射空间，构建多模态高斯分类器阵列；S3、根据所述T1WI、T2WI和PD进行强度分布，再结合所述多模态高斯分类器阵列，对给定类别中的最大后置概率进行分类，构成基于马氏距离的图像模板；S4、生成最终标记的脑白质信号异常的标签。本申请克服传统T2或FLAIR序列无法有效鉴别由血管损伤造成的影像表征问题及不规则信号可导致病灶边界模糊，实现对全脑白质信号异常的精确定量和分布特征描述。
-
公开(公告)号：CN115760789A
公开(公告)日：2023-03-07
申请号：CN202211466613.5
申请日：2022-11-22
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本申请公开了一种胶质瘤IDH基因型的预测方法及系统，其中方法包括以下步骤：检查DTI数据质量，对图像进行DTI预处理，获取FA及MD参数图；在T2FLAIR图像中勾画感兴趣区；将感兴趣区与FA及MD参数图进行配准，计算感兴趣区中的FA值和MD值；计算血清中性粒细胞计数与淋巴细胞计数的比值，基于FA值、MD值、比值和年龄一起建立二元Logistic回归模型。本申请提出了利用肿瘤实质的FA、MD值、血清中性粒细胞/淋巴细胞(NLR)以及年龄建立模型作为术前无创预测胶质瘤IDH基因型的手段。本发明思路新颖，过程简单，有重要的临床和科研价值。
-
公开(公告)号：CN116152170A
公开(公告)日：2023-05-23
申请号：CN202211613838.9
申请日：2022-12-15
Applicant: 西安交通大学医学院第一附属医院
IPC: G06T7/00 , G06V10/764 , G06V10/771 , G06V10/766 , G06V10/25 , G06V10/42 , G06V10/56 , G06V10/26 , G06N20/00
Abstract: 本发明公开了一种基于机器学习的颅内原发恶性肿瘤识别方法，包括以下步骤：对不同肿瘤的磁共振增强图像进行逐层分割处理，获得不同肿瘤的感兴趣区域；提取所述感兴趣区域的图像特征并进行筛选；构建初始肿瘤分类模型，基于筛选出的图像特征对所述初始肿瘤分类模型进行训练，获得目标肿瘤分类模型；基于所述目标肿瘤分类模型，对不同的肿瘤类型进行识别。本发明通过提取不同肿瘤类型的脑肿瘤结构特征及三维特征,对高维度特征进行初步筛选，能够提供肉眼难以捕捉获得的潜在病理生理学信息，提高了肿瘤类型识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.027 seconds)
