-
公开(公告)号：CN118037810A
公开(公告)日：2024-05-14
申请号：CN202410181569.6
申请日：2024-02-18
申请人： 首都医科大学附属北京友谊医院 , 大连理工大学 , 首都师范大学 , 北京智拓视界科技有限责任公司
摘要： 本申请公开了一种用于提取三维结肠曲面的中轴线的方法、设备和存储介质。所述方法包括：获取待进行提取中轴线的原始三维结肠曲面；对所述原始三维结肠曲面进行参数化，以将所述原始三维结肠曲面映射至矩形域；在所述矩形域内采集多组目标点并确定每组目标点在所述原始三维结肠曲面上的对应点；根据所述每组目标点的对应点计算中轴线点；以及将中轴线点进行连接，以提取所述原始三维结肠曲面的中轴线。利用本申请的方案，可以降低计算复杂度，提升计算速度，从而高效地提取三维结肠曲面的中轴线。
-
公开(公告)号：CN118865354A
公开(公告)日：2024-10-29
申请号：CN202410889614.3
申请日：2024-07-04
申请人： 首都师范大学 , 大连理工大学 , 首都医科大学附属北京友谊医院 , 北京智拓视界科技有限责任公司
IPC分类号： G06V20/64 , G06V10/77 , G06V10/75 , G06V10/44 , G06T17/30 , G06T11/00 , G06T7/187 , G06T7/136
摘要： 本发明涉及图像处理技术领域，尤其涉及一种基于参数化算法的结肠息肉图像的确定装置，该装置中处理器用于执行下述步骤：获取结肠的内壁表面的复平面参数化图像中的多个初始息肉图像；复平面参数化图像是共形参数化后的结肠的内壁表面的图像；截取各初始息肉图像在结肠的内壁表面的三维曲面中的三维息肉曲面片；根据各初始息肉图像对应的三维息肉曲面片的几何特征，从多个初始息肉图像中确定目标息肉图像。本申请能够确定结肠息肉图像，且考虑了待检测结肠内壁表面的全局曲率，避免因息肉内CT密度不均导致检测错误以及因褶皱遮挡导致息肉图像漏检的现象等问题，提高了确定结肠息肉图像的准确率。
-
公开(公告)号：CN115115727B
公开(公告)日：2023-08-01
申请号：CN202210551434.5
申请日：2022-05-18
申请人： 首都医科大学附属北京友谊医院
摘要： 本申请公开了核磁图像处理方法、系统、设备及存储介质。该方法包括：获取在预设时间长度内目标对象的低质量核磁图像序列；对低质量核磁图像序列进行分析处理，生成包含有目标对象的目标特征的定量图像序列；对包含有目标特征的定量图像序列进行重建处理，生成超分辨率图像。本方案通过将标准合成磁共振成像技术的扫描图像时间长度缩短为预设时间，能够有效提升图像扫描效率。由于对扫描图像时间进行缩短调整，因此所得到的扫描图像为低质量核磁图像序列。在得到低质量核磁图像序列后，利用定量分析技术和图像重建技术，对低质量核磁图像进行处理，得到满足使用需求的超分辨率图像，在满足图像质量需求的同时，能够有效缩短图像处理时间长度。
-
公开(公告)号：CN114386454A
公开(公告)日：2022-04-22
申请号：CN202111498955.0
申请日：2021-12-09
申请人： 首都医科大学附属北京友谊医院
摘要： 本说明书公开了一种基于信号混合策略的医疗时序信号数据处理方法，能够至少部分地解决相关技术中存在的医学预测模型从医学数据中学习知识的效率较低的问题。本说明书中的基于信号混合策略的医疗时序信号数据处理方法，在构建训练样本集时，一方面采用的了周期性数据，另一方面还采用了非周期性数据。周期性数据和非周期性数据对知识的表现方式不同，则通过本说明书中的方法构建的训练样本集，能够使得医学预测模型较为高效的学习到医学数据表现出的知识，则后续采用训练后的医学预测模型，也具有较好的模型性能，可以基于采集到医学数据，得到较为准确的预测结果。
-
公开(公告)号：CN113569984A
公开(公告)日：2021-10-29
申请号：CN202110943317.9
申请日：2021-08-17
申请人： 首都医科大学附属北京友谊医院
摘要： 本申请公开了脑灌注状态分类装置、方法、设备及存储介质。其中，该方法包括：收发模块用于获取来自超声数据采集设备的颈部血流数据；处理器，用于基于颈部血流数据、以及颈部血流数据与脑部灌注数据的映射关系，确定颈部血流数据对应的脑部灌注数据；基于脑部灌注数据中多个脑部区域的血流灌注特征，对多个脑部区域的脑灌注状态进行分类。上述装置能够通过颈部血流数据预测对应的脑部灌注数据，进而基于脑部灌注数据中的血流灌注特征(如脑血流量)，更加全面准确地区分各个脑部区域的脑灌注状态，不仅大大简化脑灌注状态的获取方式，拓展脑部检查的应用场景，还提高脑血流及脑功能评估结果的准确性，辅助医生完成脑部检查。
-
公开(公告)号：CN112308964B
公开(公告)日：2021-07-06
申请号：CN202011416156.X
申请日：2020-12-03
申请人： 首都医科大学附属北京友谊医院
摘要： 本申请公开了一种针对单侧颞骨的空间数据处理及定位方法、装置及设备。其中，处理方法包括：获取三维重建模型中双侧外半规管骨管模型的中心线；基于中心线确定双侧外半规管骨管模型各自对应的最外侧点；根据最外侧点，确定坐标原点及正中矢状面；获取三维重建模型中双侧外半规管骨管模型与各自对应的壶腹模型交界处的中心点；根据最外侧点、坐标原点和中心点，确定横轴面；根据横轴面及正中矢状面，确定冠状面；基于坐标原点、正中矢状面、横轴面及冠状面，建立单侧颞骨空间坐标系。用户在触发了针对某一待标定点的获取请求后，便能自动的利用单侧颞骨空间坐标系确定并显示该标定点的坐标值，为后续的医学研究提供了良好的基础。
-
公开(公告)号：CN114386454B
公开(公告)日：2023-02-03
申请号：CN202111498955.0
申请日：2021-12-09
申请人： 首都医科大学附属北京友谊医院
IPC分类号： G06F18/10 , G06F18/15 , G06F18/213 , G06F18/2415 , G06F18/214 , A61B5/00 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/10 , G16H50/20 , G06F123/02
摘要： 本说明书公开了一种基于信号混合策略的医疗时序信号数据处理方法，能够至少部分地解决相关技术中存在的医学预测模型从医学数据中学习知识的效率较低的问题。本说明书中的基于信号混合策略的医疗时序信号数据处理方法，在构建训练样本集时，一方面采用的了周期性数据，另一方面还采用了非周期性数据。周期性数据和非周期性数据对知识的表现方式不同，则通过本说明书中的方法构建的训练样本集，能够使得医学预测模型较为高效的学习到医学数据表现出的知识，则后续采用训练后的医学预测模型，也具有较好的模型性能，可以基于采集到医学数据，得到较为准确的预测结果。
-
公开(公告)号：CN114533121B
公开(公告)日：2022-09-16
申请号：CN202210153193.9
申请日：2022-02-18
申请人： 首都医科大学附属北京友谊医院
摘要： 本发明实施例提供了一种脑灌注状态预测装置、方法、设备及模型训练装置，该脑灌注状态装置包括：第一获取模块用于获取生理特征数据，所述生理特征数据包括颈部血流数据、生理指标数据；第一确定模块用于确定与所述生理特征数据对应的颈部血流状态；第一处理模块用于根据所述颈部血流状态，确定与所述生理特征相对应的脑灌注状态。上述装置能够实现对脑灌注状态的预测。并且该脑灌注状态预测方法融合了更多的生理特征，提高了脑灌注状态预测结果的准确性，同时无需使用大型检查设备即可完成对脑灌注状态的预测，从而降低了脑灌注状态检查难度，使得脑灌注状态预测方法能够适用到各个应用场景，进一步提高了该预测方法的实用性。
-
公开(公告)号：CN113569984B
公开(公告)日：2022-05-31
申请号：CN202110943317.9
申请日：2021-08-17
申请人： 首都医科大学附属北京友谊医院
IPC分类号： G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/026 , A61B5/055 , A61B5/145 , A61B8/06
摘要： 本申请公开了脑灌注状态分类装置、方法、设备及存储介质。其中，该方法包括：收发模块用于获取来自超声数据采集设备的颈部血流数据；处理器，用于基于颈部血流数据、以及颈部血流数据与脑部灌注数据的映射关系，确定颈部血流数据对应的脑部灌注数据；基于脑部灌注数据中多个脑部区域的血流灌注特征，对多个脑部区域的脑灌注状态进行分类。上述装置能够通过颈部血流数据预测对应的脑部灌注数据，进而基于脑部灌注数据中的血流灌注特征(如脑血流量)，更加全面准确地区分各个脑部区域的脑灌注状态，不仅大大简化脑灌注状态的获取方式，拓展脑部检查的应用场景，还提高脑血流及脑功能评估结果的准确性，辅助医生完成脑部检查。
-
公开(公告)号：CN114386479A
公开(公告)日：2022-04-22
申请号：CN202111498958.4
申请日：2021-12-09
申请人： 首都医科大学附属北京友谊医院
摘要： 本说明书公开了一种医学数据处理方法、装置、存储介质及电子设备，能够至少部分地解决相关技术中存在的训练样本不足导致的模型处理数据的效果受到负面影响的技术问题。本说明书中的医学数据处理方法对多个扩增策略进行评估，从其中确定出较为适于扩增的目标策略。然后，采用目标策略对目标样本集进行扩增，得到训练样本集。由于目标策略是在多种扩增策略中基于评估结果确定出的，则经目标策略扩增得到的训练样本集一方面其中包含的样本数量不会过于不足；另一方面，其中包含的扩增后的样本对医学预测模型的训练造成负面影响的隐患也较低。由此，基于训练样本集训练得到的医学预测模型也能够获得较好的模型性能。
-
-
-
-
-
-
-
-
-
搜索结果
72 条记录 (耗时 0.11 秒)
