公开(公告)号：CN110866935A

公开(公告)日：2020-03-06

申请号：CN201810984658.9

申请日：2018-08-28

Applicant: 北京连心医疗科技有限公司

Inventor： 刘春雷 ,  崔德琪 ,  章桦

IPC: G06T7/194 ,  G06T7/12 ,  G06T7/13 ,  G06N3/02

Abstract: 本发明公开一种基于HU值分布的去除放疗结构自动分割中假阳的方法、设备和存储介质。包括如下步骤：获取患者CT影像并将该影像作为第一影像；基于第一影像利用放疗结构的自动分割神经网络模型预测人体放疗结构掩模，得到影像作为第二影像；将第一影像代表的矩阵与第二影像的矩阵进行点积，在第一影像中截取掩模所在区域的影像，得到影像为第三影像；根据所述器官的Hu值去除第三影像中放疗结构的假阳区域得到第四影像；根据第四影像对第一影像进行边缘提取，得到去除假阳放疗结构自动勾画结果。该方法能够消除现有基于神经网络的CT影像自动勾画结果中存在假阳的问题。从而提高了自动分割的精度，从而有利于后续放疗剂量计算的准确度和可靠性。

公开(公告)号：CN110415252B

公开(公告)日：2022-08-05

申请号：CN201810384933.3

申请日：2018-04-26

Applicant: 北京连心医疗科技有限公司

Inventor： 胡志强 ,  孙窈 ,  崔德琪 ,  史华北

IPC: G06T7/11 ,  G06T7/136

Abstract: 本发明属于医学影像和计算机技术领域，涉及一种基于卷积神经网络的眼周器官的分割方法、设备和存储介质，该方法包括如下步骤：将待分割医学影像输入到训练好的卷积神经二分类网络中，获取医学影像中含有眼睛的横断面；在眼睛横断面中定位眼睛大致区域：分割出头颅后找到眼睛横断面中头颅的中心；根据人体解剖尺寸，通过头颅的中心定位眼睛大致区域；将训练好的用于勾画眼球的卷积神经网络在定位的眼睛大致位置处分割出眼睛勾画眼球；根据眼睛位置结合人体解剖结构，分别定位晶状体、视神经、脑垂体；再通过相应的卷积神经网络分别勾画出晶状体，视神经，脑垂体。

公开(公告)号：CN110390660A

公开(公告)日：2019-10-29

申请号：CN201810335549.4

申请日：2018-04-16

Applicant: 北京连心医疗科技有限公司

Inventor： 刘春雷 ,  孙窈 ,  崔德琪

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医学影像和计算机技术领域，涉及一种医学图像危及器官自动分类方法、设备和存储介质。该分类方法包括如下步骤：对待分类的医学图像进行预处理；把预处理后的医学图像输入到训练好的CNN中进行分类预测，其中所述CNN训练方法包括，把人体从头到脚依次分割成若干区域；使用独热编码制作与上述分割区域对应的人体分类标签；将用于训练的图像数据进行预处理和数据增强后输入到CNN中进行训练，确定网络权重。本发明提供的基于CNN的全身危及器官自动分类方法具有很高的精确度，且只需要极短时间就可以把全身主要危及器官所在的图像层预测出来，可以极大的提高医生的工作效率，同时又为病人的及时治疗提供宝贵的时间。

公开(公告)号：CN110310287A

公开(公告)日：2019-10-08

申请号：CN201810239263.6

申请日：2018-03-22

Applicant: 北京连心医疗科技有限公司

Inventor： 孙鑫龙 ,  崔德琪 ,  章桦

IPC: G06T7/11 ,  G06T7/13 ,  G06T15/00 ,  G06N3/04 ,  G06N3/08 ,  G06K9/32

Abstract: 本发明属于医学影像技术领域，涉及一种基于三级联卷积神经网络的危及器官自动勾画方法、设备和存储介质。包括步骤：将三维医学影像预处理后输入到训练好的三级联卷积神经网络的第一、第二、第三级网络中依次进行识别待分割器官所存在的横断面、粗定位待分割器官的感兴趣区域、对感兴趣区域中的所有像素点进行分类，随后输出三维的二值分割结果；对二值分割结果进行后处理、边缘提取及边缘平滑后，得到自动勾画的危及器官。其中，本发明的三级联卷积神经网络模型由第一级网络、第二级网络和第三级网络三个卷积神经网络级联而成。本发明的三级联神经网络具有不需要先验知识，算法泛化能力好，鲁棒性强，速度快，全自动，分割准确率高的优点。

公开(公告)号：CN109461161A

公开(公告)日：2019-03-12

申请号：CN201811227021.1

申请日：2018-10-22

Applicant: 北京连心医疗科技有限公司

Inventor： 胡志强 ,  武会杰 ,  崔德琪 ,  章桦

IPC: G06T7/11 ,  G06K9/62

Abstract: 本发明属于深度学习和放疗技术领域，涉及一种基于神经网络对医学影像中人体器官进行分割的方法，包括如下步骤：粗定位待勾画目标器官所在的医学影像层，所述的待勾画目标器官包含若干器官；使用3D二分类U型网络确定作为一个整体的待勾画目标器官的起始层与结束层；将起始层与结束层的中间层输入2D的多分类U型网络，进行精细勾画分割，确定各待勾画器官对应的起始层和结束层。本发明使用3D网络以确定多器官作为一个整体时的起始层与结束层，使用2D网络以解决起始层与结束层中间的各器官间数据不平衡问题，通过结合现有3D网络与2D网络的优点，解决了现有技术中对HU值相近的多器官分割问题。