-
公开(公告)号：CN117576162A
公开(公告)日：2024-02-20
申请号：CN202311705189.X
申请日：2023-12-12
Applicant: 南方医科大学
Abstract: 本发明提供了一种白质纤维束追踪方法、装置、电子设备和介质，所述方法包括：采集脑部DWI图像，对脑部DWI图像进行预处理得到白质纤维束的信号特征向量，白质纤维束信号特征向量为起始点信号特征向量和/或信号特征向量序列，将白质纤维束的信号特征向量作为白质纤维束追踪模型的输入，输出脑部DWI图像的白质纤维束追踪结果。本发明方法的白质纤维束追踪模型利用卷积神经网络层聚合纤维束各时间点邻域信息，利用注意力机制将纤维束已预测时间点的信息也融合进当前预测中，基于对纤维束信息的全面利用，将纤维束邻域和已预测时间点的信息结合起来能提高预测精度，使纤维束追踪结果同时取得了较好的假阳性率和白质覆盖率。
-
公开(公告)号：CN113240078A
公开(公告)日：2021-08-10
申请号：CN202110469551.2
申请日：2021-04-26
Applicant: 南方医科大学
Abstract: 本发明公开了一种基于深度学习网络的磁共振R2*参数量化方法，该方法包括：使用第一深度学习网络对输入磁共振T2*加权图像进行去噪声处理；同时使用第二深度学习网络对经过噪声处理后的磁共振T2*加权图像进行磁共振R2*量化预测；所述第一深度学习网络和所述第二深度学习网络组建级联网络。使用深度学习算法对R2*参数进行量化，避免了传统算法的复杂性，减小了量化误差，提升了计算速度，缩短了计算所需的时间。
-
公开(公告)号：CN112581385A
公开(公告)日：2021-03-30
申请号：CN202011371326.7
申请日：2020-11-30
Applicant: 南方医科大学
Abstract: 基于多先验约束扩散峰度成像张量估计方法、介质和设备，包括步骤：采用有约束的加权线性最小二乘拟合方法得到DKI参数的初始估计值；根据图像背景计算高斯噪声的标准差；根据初始估计值构建参数集、或根据初始估计值和高斯噪声的标准差构建参数集；根据基于体素的非局部结构相似性测度模型，计算每个体素搜索窗中的权重；建立DKI扩散信号在非中心卡方分布下的一阶矩噪声校正模型；建立DKI张量的物理约束模型；由权重、物理约束模型、一阶矩噪声校正模型、基于局部全变分的约束项构建DKI张量估计目标函数模型；以参数集作为输入，计算DKI张量场，并根据DKI张量场计算得到DKI量化参数图。本发明准确得到DKI量化参数图，为临床疾病的量化诊断提供可靠信息。
-
公开(公告)号：CN105957029B
公开(公告)日：2019-06-04
申请号：CN201610260711.1
申请日：2016-04-25
Applicant: 南方医科大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于张量字典学习的磁共振图像重建方法，包括如下步骤：(1)采用变密度随机欠采样方式得到原始k空间数据，对采样数据进行傅里叶逆变换得到初始重建图像；(2)建立基于张量字典学习的压缩感知重建模型；(3)对所述重建图像随机提取部分三维子图像块进行张量字典学习，得到一个用于稀疏表示的张量字典；(4)用硬域值法对所有子图像块进行所述张量字典下的稀疏表示；(5)用最小二乘法更新重建图像；(6)重复步骤(3)‑(5)直至收敛，得到最终重建图像。该基于张量字典学习的磁共振图像重建方法，能够提高重建图像质量，而且计算简单。
-
公开(公告)号：CN104004511A
公开(公告)日：2014-08-27
申请号：CN201410183249.0
申请日：2014-04-30
Applicant: 南方医科大学
Abstract: 本发明属于生物医学荧光分析技术领域，公开了一种罗丹明荧光纳米复合粒子及其制备方法和应用。该荧光纳米复合粒子的制备包括以下步骤：先将罗丹明6G溶解于蒸馏水中，再用巯基化学物功能化得到罗丹明6G巯基功能化的化学物，利用硅源前驱物在高温和高压下水解与缩合，制备得到罗丹明荧光纳米复合粒子。该荧光复合物不易泄露，经过多次水洗，仍有较强的荧光特性。通过改变硅源前驱物、NH3·H2O两者的比例可以制备出不同粒径大小的二氧化硅包覆荧光素。本发明的复合荧光物其外壳二氧化硅有生物亲和性，可以用于蛋白质的标记，成为纳米生物标记的新型材料。该荧光纳米颗粒的标记方法也为生物医学和分子生物学提供了一种新型的分析方法。
-
Patent Agency Ranking
公开(公告)号：CN101995561B
公开(公告)日：2012-11-07
申请号：CN201010517528.8
申请日：2010-10-22
Applicant: 南方医科大学
IPC: G01R33/56
Abstract: 本发明公开了一种基于图像域叠加的PROPELLER磁共振数据重建方法，包括以下步骤：(1)基于PROPELLER采集方式采集磁共振数据；(2)对每个K空间条进行密度补偿后进行二维逆快速傅里叶变换重建出临时图像；(3)在图像域对临时图像进行运动补偿和旋转校正；(4)将校正后的临时图像叠加得到最后的重建结果。该磁共振数据重建新方法可以有效的避免混迭伪影的干扰，获得更高的图像重建精度。
-
公开(公告)号：CN113240078B
公开(公告)日：2024-03-19
申请号：CN202110469551.2
申请日：2021-04-26
Applicant: 南方医科大学
IPC: G06N3/0464 , G06N3/08 , G06T7/00 , G06T5/70
Abstract: 本发明公开了一种基于深度学习网络的磁共振R2*参数量化方法，该方法包括：使用第一深度学习网络对输入磁共振T2*加权图像进行去噪声处理；同时使用第二深度学习网络对经过噪声处理后的磁共振T2*加权图像进行磁共振R2*量化预测；所述第一深度学习网络和所述第二深度学习网络组建级联网络。使用深度学习算法对R2*参数进行量化，避免了传统算法的复杂性，减小了量化误差，提升了计算速度，缩短了计算所需的时间。
-
公开(公告)号：CN115908808A
公开(公告)日：2023-04-04
申请号：CN202211482804.0
申请日：2022-11-24
Applicant: 南方医科大学
Abstract: 本发明提供了一种全自动的肝脏T2*参数测量方法、装置、设备及介质，其中方法包括：获得磁共振肝脏T2*加权图像，并计算磁共振肝脏T2*加权图像的R2*图；使用第一深度学习网络去除磁共振肝脏T2*加权图像的背景，得到前景掩膜；将前景掩膜与R2*图相乘，得到去除背景的R2*图；使用第二深度学习网络对去除背景的R2*图上的肝脏进行分割，得到肝脏掩膜；将肝脏掩膜与磁共振肝脏T2*加权图像相乘，得到只含有肝脏的肝脏图像；在得到的肝脏图像中提取肝实质区域，并计算肝实质区域的T2*值，以计算得到的肝实质区域的T2*值作为肝脏磁共振横向弛豫时间T2*参数。本发明能够精确测量肝脏磁共振横向弛豫时间T2*参数，具有较高的泛化能力，无需人工干预。
-
公开(公告)号：CN104899906B
公开(公告)日：2019-02-12
申请号：CN201510323802.0
申请日：2015-06-12
Applicant: 南方医科大学
IPC: G06T11/00
Abstract: 一种基于自适应正交基的磁共振图像重建方法,包括如下步骤：(1)获得原始的k空间数据，对采样的k空间数据进行傅里叶逆变换得到初始重建图像；(2)在正交基约束下建立基于压缩感知的重建模型；(3)对初始重建图像进行分块，随机提取部分图像块进行正交基学习，得到一组自适应正交基；(4)用硬域值法对所有图像块进行自适应正交基下的稀疏表示；(5)用最小二乘法更新重建图像得到当前重建图像；(6)判断当前重建图像是否满足收敛条件，如果收敛，以当前重建图像作为最终的重建图像，否则进入步骤(7)；(7)减小正则化参数取值，以当前重建图像作为初始重建图像，返回步骤(3)。本发明重建速度快、图像质量良好。
-
公开(公告)号：CN109242924A
公开(公告)日：2019-01-18
申请号：CN201811012505.4
申请日：2018-08-31
Applicant: 南方医科大学
Abstract: 一种基于深度学习的核磁共振图像的降采样伪影去除方法,包括如下步骤：步骤一，通过带伪影的样本磁共振图像获得最优模型；步骤二，将带降采样伪影的磁共振图像通过步骤一得到的最优模型处理，得到估计伪影图；步骤三，用带降采样伪影的磁共振图像减去步骤二得的估计伪影图像，然后用测量数据代替对应k空间低频数据得到去伪影图像。该基于卷积神经网络的模型能有效地去除磁共振图像中由于降采样导致的伪影，并且不会造成明显的模糊以及对比度的损失，同时很好地保留图像的细节，并且具有高的鲁棒性和高效性。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.024 seconds)
