-
公开(公告)号：CN117771562A
公开(公告)日：2024-03-29
申请号：CN202311640518.7
申请日：2023-12-01
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: A61N5/10
Abstract: 本发明涉及一种可重复推送金标的装置，属于医疗技术领域，解决了现有技术中在植入金标时需要重复装载金标的问题。本发明包括手柄、金标装载器、针芯和针筒，所述金标装载器、针芯和针筒均安装在手柄上，所述金标装载器用于一次装载多枚金标；所述针芯与手柄滑动连接，并能够依次穿过金标装载器和针筒。本发明实现了在植入金标时一次装载多枚金标，并且将多枚金标依次植入在肿瘤内或肿瘤周边，而无需重复装载金标，减少了操作时间，降低了潜在的并发症风险。
-
公开(公告)号：CN116630463A
公开(公告)日：2023-08-22
申请号：CN202310896717.8
申请日：2023-07-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T11/00 , G06T7/12 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于多任务学习的增强CT图像生成方法和系统，属于CT图像生成技术领域，解决了现有技术中无法快速并且安全得到增强CT图像的问题。方法包括：获取平扫CT图像和增强CT图像；对平扫CT图像和增强CT图像分别进行图像分割，得到对应的器官轮廓分割图像；根据平扫CT图像、增强CT图像和对应的器官轮廓分割图像构建训练样本集；构建多任务循环生成对抗网络模型，基于所述训练样本集对所述多任务循环生成对抗网络模型进行训练得到训练好的多任务循环生成对抗网络模型；获取待转换平扫CT图像，基于训练好的多任务循环生成对抗网络模型生成对应的增强CT图像。实现了高质量增强CT图像的快速生成。
-
公开(公告)号：CN115409837B
公开(公告)日：2023-02-17
申请号：CN202211352635.9
申请日：2022-11-01
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
Abstract: 一种基于多模态CT图像的子宫内膜癌CTV自动勾画方法，属于图形图像处理技术领域，解决了现有子宫内膜癌CTV勾画准确率低且效率低的问题。方法包括：获取多模态CT图像和CTV掩膜图像，基于多模态CT图像和对应的CTV掩膜图像生成训练样本集；基于图像的连通性对训练样本集中的每个CTV掩膜图像进行分段得到每个CTV掩膜图像的多个子掩膜图像；构建模态感知相互学习神经网络模型，基于训练样本集中的多模态CT图像、多模态CT图像对应的CTV掩膜图像以及CTV掩膜的子掩膜图像训练模态感知互学习神经网络模型得到子宫内膜癌CTV分割模型；将待勾画多模态CT图像输入子宫内膜癌CTV分割模型得到待勾画多模态CT图像对应的CTV掩膜图像。实现了子宫内膜癌CTV的准确高效勾画。
-
公开(公告)号：CN118787438A
公开(公告)日：2024-10-18
申请号：CN202410980066.5
申请日：2024-07-22
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: A61B18/18 , A61B18/00 , A61B6/03 , A61B6/04 , A61B34/20 , A61B34/10 , A61B90/00 , B33Y50/00 , B33Y80/00
Abstract: 本发明公开了一种基于3D打印模板的精准消融肿瘤的方法，具体包括以下步骤：步骤一：体位固定；步骤二：术前计划；步骤三：3D打印模板设计及制作；步骤四：模板复位；步骤五：模板引导进针；步骤六：肿瘤消融，所述步骤一中：拟行消融的患者取合适体位，依据肿瘤所在位置决定，采用仰卧或俯卧位，真空垫固定体位，行CT扫描，CT参数：层厚5mm，复杂部位采用增强CT。本发明提供的基于3D打印模板的精准消融肿瘤的方法具有能缩短消融时经皮穿刺肿瘤的操作时间，增加精确性，大大减少肿瘤微波消融时的并发症的技术效果。
-
公开(公告)号：CN118593923A
公开(公告)日：2024-09-06
申请号：CN202410980961.7
申请日：2024-07-22
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: A61N5/10
Abstract: 本发明涉及妇科治疗技术领域，尤其涉及一种可移动式妇科肿瘤放疗平台设备，包括有底座、万向轮、气缸、升降板、电动导轨、移动板和床板等，底座底部安装有四个万向轮，底座顶部连接有两个气缸，两个气缸的活动端上共同连接有升降板，升降板顶部连接有电动导轨，电动导轨的滑板顶部连接有移动板，移动板顶部滑动连接有床板。本发明通过万向轮可以方便医护人员将床板移动至放疗设备旁边，通过电动导轨可以带动床板向后移动，将妇科肿瘤患者送入放疗设备中，进行治疗，治疗完成之后，通过丝杆电机可以带动床板向左移动，将床板移动至病床上，方便将妇科肿瘤患者移到病床上。
-
Patent Agency Ranking
公开(公告)号：CN117679201A
公开(公告)日：2024-03-12
申请号：CN202311805112.X
申请日：2023-12-26
Applicant: 中国医学科学院肿瘤医院 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及一种胆道金属支架组件、制备方法及其应用，属于医疗技术领域，解决了现有技术中金属支架难以植入大鼠胆道，限制了鼠胆道支架植入模型的建立的问题。胆道金属支架组件包括支撑件、限位件及自膨式活动件；所述支撑件套在限位件外部以对限位件支撑，所述限位件用于套在自膨式活动件外部，以容纳所述自膨式活动件；所述自膨式活动件用于扩张大鼠胆总管；所述支撑件和限位件套在自膨式活动件上时，自膨式活动件处于压缩状态；所述自膨式活动件脱离限位套和支撑件时，自膨式活动件为自由舒展状态；其中，所述限位件和自膨式活动件为非刚性结构。实现为进一步研究胆道金属支架组件在大鼠胆总管内出现再狭窄的分子机制提供支持。
-
公开(公告)号：CN116630463B
公开(公告)日：2023-10-13
申请号：CN202310896717.8
申请日：2023-07-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T11/00 , G06T7/12 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于多任务学习的增强CT图像生成方法和系统，属于CT图像生成技术领域，解决了现有技术中无法快速并且安全得到增强CT图像的问题。方法包括：获取平扫CT图像和增强CT图像；对平扫CT图像和增强CT图像分别进行图像分割，得到对应的器官轮廓分割图像；根据平扫CT图像、增强CT图像和对应的器官轮廓分割图像构建训练样本集；构建多任务循环生成对抗网络模型，基于所述训练样本集对所述多任务循环生成对抗网络模型进行训练得到训练好的多任务循环生成对抗网络模型；获取待转换平扫CT图像，基于训练好的多任务循环生成对抗网络模型生成对应的增强CT图像。实现了高质量增强CT图像的快速生成。
-
公开(公告)号：CN116763459A
公开(公告)日：2023-09-19
申请号：CN202310528312.9
申请日：2023-05-11
Applicant: 北京航空航天大学 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明涉及医用材料技术领域，具体为一种金标植入体及加工方法，该金标植入体的材质包括熔点大于37.5℃的低熔点金属。优选在其表面制备一层惰性涂层。本发明可于低温下实现金标植入体的快速制备，且能实现螺旋等不规则形状的简单加工成型。新型金标植入体具有良好的生物安全性和CT显影能力，同时价格低廉，有望减轻患者负担。
-
公开(公告)号：CN115187577B
公开(公告)日：2023-05-09
申请号：CN202210937016.X
申请日：2022-08-05
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 深圳市联影高端医疗装备创新研究院 , 北京联影智能影像技术研究院
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , A61B6/03
Abstract: 一种基于深度学习的乳腺癌临床靶区自动勾画方法和系统，方法包括：获取患者CT图像和对应的临床靶区掩膜，基于所述CT图像和对应的临床靶区掩膜生成训练样本集；基于形态差异对训练样本集中的CT图像的每个层面进行分类，得到每个CT图像中每个层面的类型；基于样本集中每个CT图像及图像中每个层面的类型训练分类神经网络模型得到CT图像层面分类模型；基于样本集中每个CT图像、CT图像中每个层面的类型和CT图像对应的掩膜训练多通道神经网络模型得到临床靶区分割模型；将待勾画CT图像输入CT图像层面分类模型得到待勾画CT图像每个层面的类型；根据待勾画CT图像每个层面的类型将待勾画CT图像输入临床靶区分割模型得到CT图像的临床靶区掩膜。
-
公开(公告)号：CN115409837A
公开(公告)日：2022-11-29
申请号：CN202211352635.9
申请日：2022-11-01
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
Abstract: 一种基于多模态CT图像的子宫内膜癌CTV自动勾画方法，属于图形图像处理技术领域，解决了现有子宫内膜癌CTV勾画准确率低且效率低的问题。方法包括：获取多模态CT图像和CTV掩膜图像，基于多模态CT图像和对应的CTV掩膜图像生成训练样本集；基于图像的连通性对训练样本集中的每个CTV掩膜图像进行分段得到每个CTV掩膜图像的多个子掩膜图像；构建模态感知相互学习神经网络模型，基于训练样本集中的多模态CT图像、多模态CT图像对应的CTV掩膜图像以及CTV掩膜的子掩膜图像训练模态感知互学习神经网络模型得到子宫内膜癌CTV分割模型；将待勾画多模态CT图像输入子宫内膜癌CTV分割模型得到待勾画多模态CT图像对应的CTV掩膜图像。实现了子宫内膜癌CTV的准确高效勾画。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.027 seconds)
