-
公开(公告)号：CN119992109A
公开(公告)日：2025-05-13
申请号：CN202510086618.2
申请日：2025-01-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种医学图像关键点检测方法、装置、设备及介质，基于骨骼解剖学先验信息以及深度神经网络的针对医学CT图像中髋关节关键点的检测。该方法考虑了临床图像数据中常见的骨骼结构缺失或损坏情况，引入解剖学先验信息实现对于骨骼缺损部位的关键点检测。并改进了目前常用的检测用深度神经网络结构，实现了检测精度与检测效率之间的平衡。此外，本方法对检测网络的损失函数改进，使用骨骼区域掩码对预测关键点位置进行矫正，使得关键点预测的位置结果更加符合正常认知。
-
公开(公告)号：CN119867931A
公开(公告)日：2025-04-25
申请号：CN202411837135.3
申请日：2024-12-13
Applicant: 北京理工大学 , 北理工郑州智能科技研究院
Abstract: 本发明公开了一种器官形变校正方法、装置、设备及存储介质，涉及手术导航系统的形变矫正技术领域，该方法首先提供了点云补全的模块，能有效利用术前的器官几何特征去增强术中的可视化数据，其次，通过优化控制法以可接受的精度执行了可靠的形变估计。最后，为符合器官的粘弹性特征，引入了粘弹性模型，提高形变预测的精准度。解决了因腹腔镜的术中点云数据稀少而无法精准预测器官形变的问题，可以通过配准技术补全术中器官的点云数据，并结合优化控制理论与生物力学模型，对术前器官三维模型进行形变估计，以精确匹配术中的器官形态。
-
公开(公告)号：CN119724465A
公开(公告)日：2025-03-28
申请号：CN202411787985.7
申请日：2024-12-06
Applicant: 中日友好医院(中日友好临床医学研究所) , 北京理工大学
IPC: G16H15/00 , G16H30/40 , G06T7/11 , G06T11/60 , G06V10/774 , G06V10/764
Abstract: 本公开涉及一种基于交互引导的医学影像报告生成方法及系统，其中方法包括：获取待处理的医学影像并显示于用户界面上；检测医生在用户界面上对医学影像的病灶区域的标记操作，分割医学影像得到病灶区域相关的至少一个子影像，其包含标记操作对应的影像区域及影像区域之外区域的子影像；提取每个子影像的影像特征，并利用大语言模型生成每个子影像对应的报告内容；基于每个所述子影像对应的报告内容拼接生成初步影像报告；将初步影像报告输入具备注意力机制的第一模型，得到初步影像报告的可解释性相关内容；将初步影像报告输入第二模型得到多粒度影像报告；融合初步影像报告的可解释性相关内容及多粒度影像报告得到目标影像报告。
-
公开(公告)号：CN113496494B
公开(公告)日：2024-08-09
申请号：CN202110682691.8
申请日：2021-06-17
Applicant: 北京理工大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06V10/44 , G06V10/82 , G06V10/94
Abstract: 基于DRR模拟数据生成的二维骨骼分割方法及装置，能够获取足够的算法训练样本量，突破了医疗图像体量对方法性能的限制，完全不使用X射线来训练，仍然可以分割出X射线的骨骼，并且分割结果和骨骼十分接近。方法包括：(1)生成模拟数据：通过扇形区域控制点采样和GPU加速获取改进DRR，并通过改进DRR分别生成模拟TIPS术中二维X射线图像和对应的模拟骨骼分割金标准；(2)模型训练：利用模拟数据集进行二维X射线图像中骨骼分割网络模型的训练；(3)骨骼分割：结合传统的U型网络结构改进嵌套U型网络U2‑Net，执行术中二维图像的骨骼分割。
-
公开(公告)号：CN118152502A
公开(公告)日：2024-06-07
申请号：CN202410252101.1
申请日：2024-03-06
Applicant: 北京理工大学
IPC: G06F16/31 , G16H10/60 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种电子病历数据结构化方法、装置、设备及存储介质，该方法可以同时处理医疗嵌套实体和重叠关系的联合提取模型，该方法在解码过程中实现实体和关系之间的交互，并通过更新共享参数来提高泛化能力。采用复合三角形嵌套实体识别策略来解决嵌套实体解析不足的问题，该方法通过渐进式识别从最小的实体单元开始逐步提取目标实体来提高准确率。采用自适应多空间交互关系提取策略来解决关系冗余和无序问题，该方法考虑实体和关系的内在联系，并利用有针对性的分配方案来确保高效解码。
-
Patent Agency Ranking
公开(公告)号：CN117830118A
公开(公告)日：2024-04-05
申请号：CN202310389858.0
申请日：2023-04-12
Applicant: 北京理工大学
IPC: G06T5/50 , G06V10/42 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 红外与可见光图像融合方法与装置，能够同时保留深层全局和局部结构信息，提高局部特征的全局感知能力和全局表示的局部细节。包括：(1)在异构双分支前端共享浅层特征提取模块，分别挖掘红外与可见光图像的浅层特征；(2)建立异构双分支的深层特征提取模块，针对可见光图像的浅层特征，CNN分支采用RDB级联构成，提取深层有用的细节纹理；针对红外图像的浅层特征，Transformer分支采用RTB级联构成，提取深层有用的全局上下文；(3)通过AFIM构建异构双分支信息交互的桥梁，采用MSEA结合RDB和RTB的互补信息，设计SCA传递聚合特征至原来的分支和后续的解码器；(4)通过跳跃连接实现特征图解码。
-
公开(公告)号：CN116309308A
公开(公告)日：2023-06-23
申请号：CN202310044147.X
申请日：2023-01-29
Applicant: 北京理工大学
IPC: G06T7/00 , G06N3/0455 , G06N3/09
Abstract: 基于自适应特征融合的CT图像血管分割方法及装置，能够抑制图像背景噪声，准确提取小血管，提高分割完整性，提高边缘血管分割精度。包括：(1)对采集的数据集进行预处理；(2)构建基于自适应特征融合的CT图像肝血管分割网络模型；(3)将预处理后的训练集输入CT图像肝血管分割网络模型，进行网络模型训练以得到训练好的网络模型；(4)将测试图像输入训练好的网络模型，输出测试图像的肝血管分割结果。
-
公开(公告)号：CN116228689A
公开(公告)日：2023-06-06
申请号：CN202310087704.6
申请日：2023-01-29
Applicant: 北京理工大学
IPC: G06T7/00 , G06T7/33 , G06T7/11 , G06N3/0475 , G06N3/094
Abstract: 基于呼吸弹性校正的X射线图像实时增强显示方法及装置，为医生提供真实的血管变形显示，保证术中实时动态覆盖显示，丰富X射线图像信息以给予医生更好的操作指导，提升医生对于穿刺针当前姿态及位于血管中位置的掌握性，以便精准进行穿刺操作。包括：在进行三维血管与二维穿刺针的配准过程中，通过自适应特征点采样，在三维血管树及二维穿刺针点集中优先提取根节点及高曲率点，提升配准精度；通过人工智能网络由术中序列影像中提取患者呼吸信号，并作为运动先验信息将术前血管动态投影至每一帧X射线图像上；基于流行正则化将血管投影弹性配准至术中穿刺针，为医生提供真实的血管变形显示，并通过快速鲁棒的算法优化保证术中实时动态覆盖显示。
-
公开(公告)号：CN120015238A
公开(公告)日：2025-05-16
申请号：CN202510086056.1
申请日：2025-01-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种血管呼吸运动图谱构建方法、装置、设备及介质，涉及医疗技术领域，该方法基于血管结构内的拓扑连接关系建立血管有向图，通过结构控制点的提取和分支弯曲能量的计算，量化血管整体位移及各分支姿态。定义了分支点间运动的传播方向，为血管运动建模提供了一致性约束。采用自适应形变补偿来量化运动建模中的血管形变，在流形空间的球面坐标系下使用旋转度量及拉伸度量表征分支各段的运动变形。同时，基于血管图以及SRVF约束为各分支自适应分配弯曲能量权重，提升了模型对局部姿态变形的学习效率。
-
公开(公告)号：CN119339948A
公开(公告)日：2025-01-21
申请号：CN202411446930.X
申请日：2024-10-16
Applicant: 北京理工大学
Abstract: 本发明公开了一种疾病早期预警方法及装置，涉及疾病预警技术领域，该方法利用临床检查结果数据中丰富的目标疾病相关知识，通过跨模态的知识蒸馏方法，将多模态教师模型学到的知识转移到仅访问人机交互模态的学生模型中，以提升人机交互学生模型的疾病预警能力。由于能够将临床检查结果数据中与目标疾病强相关的知识迁移到人机交互数据中，因此可以在仅适用人机交互数据的情况下，得到更为准确的预警结果。实现了一种基于人机交互数据的低成本、低负担的神经系统疾病早期预警方式，可以对大规模具有发病风险的人群进行早期识别以及长期监测。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.021 seconds)
