基于深度学习的血管内脂质斑块自动分割方法

    公开(公告)号:CN120071408A

    公开(公告)日:2025-05-30

    申请号:CN202411957673.6

    申请日:2024-12-30

    Abstract: 本发明公开了一种基于深度学习的血管内脂质斑块自动分割方法,所述方法利用改进的U‑Net++网络架构来实现高精度的血管内外膜分割,然后在此基础上,采用基于灰度值、边缘特征和纹理特征的K‑means聚类算法,通过加入记忆机制,确保聚类过程中的稳定性和一致性,实现对斑块类型的精确分类。本发明通过使用改进U‑Net++网络进行超声和光声图像的内外膜分割,能够精确区分血管壁的不同结构,从而实现脂质斑块的准确识别、高精度的脂质斑块分割和分类,依靠基于特征选择和记忆机制优化的K‑means聚类算法能够在虚拟组织学中实现较为准确和稳定的分类效果,为进一步的病变分析和临床应用提供了可靠的基础。

    一种基于磁导航的血管内内窥镜成像系统及其导航方法

    公开(公告)号:CN119655704A

    公开(公告)日:2025-03-21

    申请号:CN202411957839.4

    申请日:2024-12-30

    Abstract: 本发明公开了一种基于磁导航的血管内内窥镜成像系统,所述内窥镜成像系统包括磁控驱动系统、机械臂系统、遥操作控制系统、磁导航导管和内窥成像系统五部分,其中:所述磁控驱动系统安装于机械臂系统末端,与机械臂系统末端执行器连接;所述磁导航导管通过磁力与磁控驱动系统连接,并作为受控对象;所述内窥成像系统与磁导航导管连接;所述遥操作控制系统通过远程通信连接计算机,用于精确控制机械臂系统的位置和姿态,同时对磁控驱动系统进行操控。本发明有效提升了导管在复杂血管通路中的灵活性和操控精度,显著降低了医生操作的难度,并增强了血管内诊断和治疗的安全性,尤其适用于狭窄或形状复杂的血管通路。

Patent Agency Ranking