-
公开(公告)号：CN116301317A
公开(公告)日：2023-06-23
申请号：CN202211694953.3
申请日：2022-12-28
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种正问题建模方法、装置、电子设备及存储介质，其中，该方法包括：基于脑结构影像分割脑组织结构；基于分割得到的各脑组织结构对头域进行整体网格划分；基于类皮肤电极的电极线分布制作类皮肤电极模板；基于类皮肤电极的中心位置、形状和电极线截面直径对上述网格进行局部细化，获得头模型；基于类皮肤电极模板，在带有电极位置的头模型上获得类皮肤电极模型；基于大脑皮层表面的网格划分获得相应源模型；基于头模型、源模型和类皮肤电极模型，采用有限元算法构建个性化脑电正问题模型。本发明考虑了类皮肤电极的分形蛇形网状结构复杂导致的电极覆盖头皮区域电场分布复杂的问题，提高了脑电正问题的建模精度。
-
公开(公告)号：CN111242959B
公开(公告)日：2023-06-16
申请号：CN202010042228.2
申请日：2020-01-15
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/766
Abstract: 本发明公开了一种基于卷积神经网络的多模态医学图像的目标区域提取方法，包括以下步骤：1)构建用于多模态医学图像中目标区域提取的掩模区域卷积神经网络；2)对构建的掩模区域卷积神经网络进行训练；3)将待处理的多模态医学图像输入训练后的掩模区域卷积神经网络进行目标区域提取。本发明能实现多模态医学图像中目标区域的自动精准分割，能克服人工分割目标区域存在的主观差异性问题和耗时费力的缺陷，可提高多模态医学图像中目标区域提取的准确性；本发明通过若干个并行的SE‑Resnet可实现多模态医学图像的特征图像提取，通过将挤压激励块融入特征提取网络能提升医学图像的特征提取效率和多模态医学图像的信息融合效率。
-
公开(公告)号：CN115187572A
公开(公告)日：2022-10-14
申请号：CN202210911106.1
申请日：2022-07-29
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/33 , G06T5/30 , G06V10/75 , G06V10/762 , G06V10/764 , G06V10/774
Abstract: 本申请公开了一种基于医学影像的参数获取模型训练方法及装置，包括：先基于模板医学影像的体素数量以及体素强度值，对模板医学影像进行分割获得各个模板区域，并根据模板区域的体素强度平均值及体素强度标准差确定模板区域的类别及物理性质参数；再获取各个样本医学影像，并将各个样本医学影像与各个模板区域进行匹配，确定该样本医学影像中各个类别的样本区域及物理性质参数；最后以各个类别的样本区域为样本，以其物理性质参数为标注，对参数获取模型进行训练。解决了由于训练参数获取模型需要大量的人力参与，导致训练数据获取效率较低及参数获取模型的训练效率较低的技术问题，提高训练数据的获取效率以及该参数获取模型的训练效率。
-
公开(公告)号：CN110464459B
公开(公告)日：2022-04-15
申请号：CN201910620772.8
申请日：2019-07-10
Applicant: 丽水市中心医院 , 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种基于CT‑MRI融合的介入计划导航系统及其导航方法，该系统包括：术前规划模块，在MRI图像中分割出前列腺区域和尿道，并标记可疑病灶区域，再构建三维模型，最后规划出最佳穿刺路径；空间定位模块，其用于完成病人的CT图像和MRI图像的空间配准，并获取磁定位仪空间与CT图像空间的变换矩阵；穿刺引导模块，其用于获取穿刺针的位置和姿态，引导穿刺针行进。本发明通过结合CT和MRI的成像优势，在不改变CT引导的前提下，有助于定位可疑病灶，明确诊疗目标区域，提高前列腺介入手术的精准性；充分结合多种模态的医学图像信息、空间定位技术及三维可视化技术，使手术的引导更直观，提高了前列腺介入手术的便捷性。
-
公开(公告)号：CN114140648A
公开(公告)日：2022-03-04
申请号：CN202111447451.6
申请日：2021-11-30
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种基于卷积神经网络与课程学习的多模态医学图像分类系统，其包括：图像预处理模块和多尺度卷积神经网络分类器，多尺度卷积神经网络分类器包括Resnet50网络、特征金字塔网络、maskROI模块和注意力模块。Resnet50网络提取输入的图像的特征，并输出至特征金字塔网络处理得到完整的特征图并输出至所述注意力模块；maskROI模块用于向分类器中输入包含感兴趣区域的特定图像；注意力模块得到的特征图与maskROI模块输入的图像相乘后作为结果输出。本发明以课程学习作为网络训练的先验知识能合理利用有限数据，训练过程中，网络的学习难度逐渐增加，使得训练过程更加合理，能得到结果更精准的分类器。
-
Patent Agency Ranking
公开(公告)号：CN113052849A
公开(公告)日：2021-06-29
申请号：CN202110409678.5
申请日：2021-04-16
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州科技城医院
Abstract: 本发明公开了一种腹部组织图像自动分割方法及系统，该方法包括以下步骤：1)构建第一训练数据集；2)利用所述第一训练数据集对3D U‑Net网络进行训练，得到腹部组织自动分割模型；3)构建用于肿瘤分割任务的第二训练数据集；4)利用所述第二训练数据集对DeepLab V3+网络进行训练，得到肿瘤自动分割模型；5)将所述腹部组织自动分割模型和肿瘤自动分割模型级联，得到腹部组织自动分割模型；6)将待分割的腹部扫描图像输入腹部组织自动分割模型，自动得到腹部组织分割图像和肿瘤分割图像。本发明的腹部组织图像自动分割方法能够对形态多变的腹部组织和肿瘤进行分割，在低对比度和边缘模糊的情况下取得良好的分割精度。
-
公开(公告)号：CN108272533B
公开(公告)日：2019-12-17
申请号：CN201711434756.7
申请日：2017-12-26
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了皮肤创面区域的皮肤建模方法，包括以下步骤：1)采集皮肤创伤区的图像，包括结构光扫描区域Rs、皮肤共聚焦显微镜扫描区域Rct、皮肤创伤区域Rb和同一Rct区域的图像Fi；2)对图像Fi进行散斑噪声去除处理，得到Fi经过噪声去除后的图像qFi；3)对qFi进行边缘增强处理，得到qF’i；4)对qF’i进行纹理分析，得出特征向量图IF；5)构建特征向量图IF；6)进行全层皮肤模型重构。本发明实现了基于皮肤共聚焦显微镜图像的多层次特征提取、基于先验知识的皮肤多层组织自动精准分割、多层结构仿生皮肤的三维精准建模。通过皮肤创面区域的皮肤重建，再结合3D打印技术，可实现大面积皮肤创伤的高效治疗。
-
公开(公告)号：CN109920555A
公开(公告)日：2019-06-21
申请号：CN201910128036.0
申请日：2019-02-21
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种基于C/S架构的远程会诊方法及系统，通过将会诊时需要的医学影像或病理图像数据压缩并上传至所述服务器集群，其他客户端重新下载并解压，并对解压后的医学影像或病理图像数据进行浏览和三维重建，避免了网页服务技术对于影像数据的二次压缩问题，保证了影像数据在会诊参与者查看时的完整性，减少了由于数据压缩造成的影像中不同人体组织间对比度下降的情况。
-
公开(公告)号：CN109859221A
公开(公告)日：2019-06-07
申请号：CN201811483620.X
申请日：2018-12-06
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/12
Abstract: 本发明公开了一种基于OCT图像的皮肤多亚层结构自动分割方法，包括以下步骤：1)对采集的皮肤OCT图像进行预处理；2)对预处理后的皮肤OCT图像进行皮肤各层亚结构的分割；3)分别获取第一、三分割线和第二、四分割线，最终得到分割后的图像。本发明公开的基于OCT图像的皮肤多亚层结构自动分割方法，通过四条分割线将皮肤分为角质层、除去角质层的表皮层、真皮层三个部分，实现了皮肤多亚层结构的自动分割。本发明的方法简单高效，分割精度高，具有很好的应用价值。
-
公开(公告)号：CN107292312A
公开(公告)日：2017-10-24
申请号：CN201710462938.9
申请日：2017-06-19
Applicant: 中国科学院苏州生物医学工程技术研究所
CPC classification number: G06K9/6267 , G06K9/40 , G06K9/4604 , G06K9/6256 , G06K2209/053
Abstract: 本发明公开一种肿瘤识别方法，包括步骤：粗分割：对CT图像依次进行器官分割和血管分割，获得去除血管的器官CT图像；构造测试样本数据集合：基于器官CT图像，依次构造动脉期、静脉期和延迟期的肿瘤区域子图集形成测试正样本数据集合、器官正常区域子图集构成测试负样本数据集合；训练肿瘤分类器：对测试样本数据集合进行特征数据提取，训练出包括肿瘤良/恶识别与分期的肿瘤分类器；待测CT图像的特征数据提取和肿瘤的识别与分期：依次对动脉期、静脉期和延迟期的待测CT图像进行特征数据提取形成待测特征数据集合，将待测特征数据集合输入肿瘤分类器进行肿瘤良/恶识别与分期。本发明可以对分割后的肿瘤进行良/恶以及分期的精确识别。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.091 seconds)
