-
公开(公告)号：CN118553409A
公开(公告)日：2024-08-27
申请号：CN202410720187.6
申请日：2024-06-05
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G16H50/20 , A61B5/0205 , A61B5/145 , A61B5/00 , A61B5/01 , A61B6/50 , A61B6/00 , A61B6/46 , G16H30/40 , G06N3/0464 , G06V10/80 , G06V10/82 , G06V10/84
Abstract: 本申请涉及深度学习技术领域，公开了一种基于多模态成像技术的呼吸模式识别方法及系统。所述方法包括：基于多模态成像技术和多传感器组采集目标呼吸图像数据、多个目标生理指标数据以及多个目标环境参数数据；进行特征提取和特征数据量化，得到图像特征量化数据和生理特征量化数据；创建初始特征融合向量并进行注意力机制加权分析，得到目标特征融合向量；通过EM‑DNN模型进行呼吸模式识别，得到第一呼吸模式识别结果；通过贝叶斯网络进行呼吸环境影响因数计算，得到呼吸环境影响因数集合；进行结果校验，得到目标用户的第二呼吸模式识别结果，本申请采用多模态成像技术和深度学习技术提高了呼吸模式识别的准确率。
-
公开(公告)号：CN117058093A
公开(公告)日：2023-11-14
申请号：CN202311013946.7
申请日：2023-08-14
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本发明公开了一种影像组学结合深度学习模型的Ki‑67在肝癌表达中的预测方法，其特征在于创新性地将影像组学和深度学习两种方法相结合，有效地预测了Ki‑67指标在肝癌中的高低表达情况。利用包含六种网络架构的CNN深度学习方法包括Inception‑Resnet、Resnet、Inception、Resnet4、VGG16、VGG19和Xception用于深度特征提取。此外，还使用Pyradiomics从DCE、DWI和T2加权图像、c‑map和φ‑map中提取了放射组学特征。在两者的基础上融入临床数据，利用LASSO以及SVM进行预测。通过对比有无c‑map和φ‑map特征数据，说明了c‑map和φ‑map在预测Ki‑67表达时的良好作用。
-
公开(公告)号：CN116543892A
公开(公告)日：2023-08-04
申请号：CN202310457979.4
申请日：2023-04-25
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 一种用于预测增殖型肝细胞癌的模型和诺模图的构建方法，属生物医学工程领域。包括进行三维多频磁共振弹性成像扫描及图像处理，获得增殖型肝细胞癌肿瘤的生物力学特征；采用多因素逻辑回归分析的方法，筛选与增殖型肝细胞癌相关的变量，确定增殖型肝细胞癌的预测因素；用筛选出的传统影像和临床特征、传统影像和临床特征基础上联合3D多频MRE参数，分别建立增殖型肝细胞癌的预测模型和诺模图，并对模型进行外部验证。其在传统影像和临床特征的技术上加入3D多频MRE参数的方法，来构建增殖型HCC的预测模型和诺模图；通过整合3D多频MRE参数，提高了AUC，构成了一种成熟、高诊断性能的定量方法，可以显著提高增殖型HCC的诊断准确性。
-
公开(公告)号：CN114119581A
公开(公告)日：2022-03-01
申请号：CN202111454183.0
申请日：2021-12-01
Applicant: 上海交通大学医学院附属瑞金医院 , 华东师范大学
Abstract: 本发明公开了一种基于多回波GRE序列的多任务神经网络的黑质体‑1征象自动识别方法及系统，其方法包括磁共振数据的预处理、脑部核团分割、黑质体‑1征象识别关键区域定位及黑质体‑1征象自动识别步骤；系统利用多回波GRE磁共振序列重建出对脑部黑质显示清晰的图像，利用深度学习技术对黑质核团进行分割，并对分割后的黑质区域进行黑质体‑1征象自动识别及定位；所述重建出对脑部黑质显示清晰的图像包括trueSWI图像、T2*图像、R2*图像、磁敏感加权成像及定量磁化率图像。本发明在深度学习方法中融入了临床医生的先验知识，实现了对黑质体‑1征象识别有效区域的自动定位及精准判别，大大提升了黑质体‑1征象判读的效率及准确性。
-
公开(公告)号：CN118542659B
公开(公告)日：2025-05-02
申请号：CN202410755733.X
申请日：2024-06-12
Applicant: 上海交通大学医学院附属瑞金医院 , 复旦大学附属儿科医院
Abstract: 本申请涉及机器视觉技术领域，公开了一种基于机器视觉的呼吸监测方法、装置、设备及存储介质。所述方法包括：通过图像传感器采集呼吸运动图像数据；进行动作识别和片段选择，得到运动状态图像序列以及休息状态图像序列；计算初始ROI区域图像；进行图像预处理，得到目标ROI区域图像，并进行时变特征提取，得到时变特征集合；进行呼吸率分析，得到呼吸率分布曲线；进行呼吸率异常检测，得到呼吸率异常检测结果；通过呼吸率异常检测结果从呼吸率异常处理列表中进行呼吸率异常处理策略匹配，得到目标呼吸率异常处理策略并进行呼吸监测告警，本申请采用机器视觉技术提高了呼吸监测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN119564241A
公开(公告)日：2025-03-07
申请号：CN202411700077.X
申请日：2024-11-26
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本发明涉及一种基于PCCT的vBMD检测方法及系统，所述方法包括以下步骤：通过PCCT扫描采集原始图像，并重建所述原始图像获取SPP格式的光谱图像；将所述SPP格式的光谱图像输入后处理工作站中生成钙图，得到CaCT值；根据CaCT值转化为vBMD值的转化系数，通过所述CaCT值得到vBMD值；其中，所述CaCT值转化为vBMD值的转化系数的建立步骤如下：将体模的真实羟基磷灰石浓度作为vBMD值；在所述体模中设定ROI，通过PCCT扫描所述ROI，并重建获取SPP格式的光谱图像；将所述SPP格式的光谱图像输入所述后处理工作站中获取钙图，得到所述ROI的平均CaCT值；根据所述vBMD值和所述平均CaCT值得到CaCT值转化为vBMD值的转化系数。与现有技术相比，本发明节省了劳动力，提高了成本效益。
-
公开(公告)号：CN119444892A
公开(公告)日：2025-02-14
申请号：CN202411437410.2
申请日：2024-10-15
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T11/00 , G06N3/0464 , G16H30/20
Abstract: 本发明涉及一种基于可变形卷积的超低剂量全身医学影像生成方法和系统，其中生成方法包括：S1、获取3D全身PET图像数据，对3D全身PET图像数据进行预处理，所述预处理包括数据增强和数据划分；S2、将预处理后的3D全身PET图像输入到三维可变形卷积深度注意力网络即Deformable 3D U‑Net模块中进行处理；S3、通过Deformable 3D U‑Net模块生成超低剂量全身医学影像。与现有技术相比，本发明能够用于加强无需麻醉的小儿全身PET成像，结果准确率高，模型具有较高的鲁棒性。
-
公开(公告)号：CN119444661A
公开(公告)日：2025-02-14
申请号：CN202411285598.3
申请日：2024-09-13
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种MRA颅内动脉瘤检测方法，步骤包括：获取待检测的MRA影像数据并进行感兴趣区域提取，得到血管周围和病灶周围的局部图像块；将局部图像块送入分割网络，分割网络主干采用残差结构的UNet架构，对待分割动脉瘤图像块进行深度特征提取得到多尺度特征，通过上下文注意力调制模块将不同尺度特征图与上采样结果融合得到不同尺度特征分割结果；将得到的分割结果送入分类网络，分类网络采用集成学习器，将多种随机增强后病变区域图像分别输入ViT网络预测动脉瘤概率，对各ViT网络输出结果进行集成学习得到最终预测动脉瘤概率。与现有技术相比，本发明实现了高敏感度和低假阳率的平衡，有效提高了MRA颅内动脉瘤检测的精度。
-
公开(公告)号：CN118782254A
公开(公告)日：2024-10-15
申请号：CN202410661855.2
申请日：2024-05-27
Applicant: 上海交通大学医学院附属瑞金医院
Abstract: 本发明提供基于PCD‑CT的肝脏脂肪无创定量评估模型的构建方法及系统。模型构建方法包括步骤：1：招募若干健康志愿者，分为训练队列和验证队列；2：对训练队列进行PCD‑CT常规扫描，对验证队列进行PCD‑CT不同采集条件的扫描；对CT扫描图像进行重建得到标准化CT图；3：对训练队列进行水和脂肪的迭代分解和回声不对称最小二乘估计序列的扫描得到MRI‑PDFF图；4：分别在标准化CT图和MRI‑PDFF图中的感兴趣区域进行图像后处理和分析，计算标准化CT和MRI‑PDFF的平均值和标准差；步骤5：采用线性最小二乘回归得到肝脏脂肪无创定量评估模型。本申请实现不同采集条件下的肝内脂肪精准评估。
-
公开(公告)号：CN118297972A
公开(公告)日：2024-07-05
申请号：CN202410484097.1
申请日：2024-04-22
Applicant: 上海交通大学医学院附属瑞金医院
IPC: G06T7/11 , G06V10/774 , G06V10/34 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于骨架系数的肺部气管分割方法及装置，通过基于标签气管树为训练样本中的每一像素设置训练权重；其中，当训练样本中的任一像素对应的肺部气管标签为气管像素时，该像素距离标签气管树的根节点越远，该像素的训练权重越大；继而基于训练样本中每一像素的网络预测结果、训练权重以及每一像素对应的肺部气管标签，计算模型损失，并据此对初始分割网络进行反向参数更新，得到肺部气管分割网络，以利用该网络对待处理CT图像进行肺部气管分割，得到其中的肺部气管区域，通过提升针对远离气管根部的末端气管像素的训练权重，加强训练过程中对该类像素的监督，从而提升网络对末端气管的预测性能，可预测得到分支更多更长的预测结果。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.032 seconds)
