-
公开(公告)号：CN112101523A
公开(公告)日：2020-12-18
申请号：CN202010857268.2
申请日：2020-08-24
Applicant: 复旦大学附属华山医院
Inventor： 耿道颖 , 于泽宽 , 陈泓亦 , 张军 , 尹波 , 李郁欣 , 吴昊 , 曹鑫 , 张海燕 , 胡斌 , 潘嘉炜 , 鲍奕仿 , 周书怡 , 陆怡平 , 耿辰 , 夏威 , 杨丽琴
Abstract: 本发明提供了一种基于深度学习的CBCT图像跨模态预测CTA图像的卒中风险筛查方法和系统，包括：步骤1：构建循环对抗性生成网络模型；步骤2：通过CBCT图像及其对应的造影图像数据训练循环对抗性生成网络模型；步骤3：将测试图像输入至已训练好的循环对抗性生成网络模型，生成血管造影CT图像；步骤4：根据血管造影CT图像中颈动脉的形态、颈动脉狭窄程度及弯曲度预测卒中风险。本发明基于深度学习模型，将非增强CBCT图像转换为增强CT血管造影图像，进行颈动脉血管分割提取，量化计算颈动脉狭窄程度和弯曲度，进而预测脑卒中风险，为临床获取CTA图像及诊断提供了一种便捷、经济、高效的新途径。
-
公开(公告)号：CN111870705A
公开(公告)日：2020-11-03
申请号：CN202010687493.6
申请日：2020-07-16
Applicant: 复旦大学附属华山医院
Abstract: 本发明公开了一种原位脑胶质瘤微环境响应性的纳米材料及制备方法与应用，涉及生物技术领域，包括60份纳米载体、0.3～4份二氧化锰、1.2～3.6份原卟啉；白蛋白作为仿生载体，MnO2纳米晶作为MRI造影剂以生物矿化的方式负载在白蛋白空腔内，原卟啉作为治疗剂，通过酰胺反应包载于白蛋白空腔中；白蛋白纳米粒中二氧化锰纳米晶的负载量为0.5～6.7wt％，原卟啉的负载量2～6wt％。该纳米材料经静脉注射后，能够精准、特异性的显示原位胶质瘤病灶，有助于辅助临床提高治疗的精准性和安全性；同时产生氧气改善肿瘤乏氧微环境，在超声激发下原卟啉产生活性氧特异性杀伤肿瘤细胞。
-
公开(公告)号：CN111612754A
公开(公告)日：2020-09-01
申请号：CN202010413904.2
申请日：2020-05-15
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于多模态图像融合的MRI肿瘤优化分割方法及系统，包括：步骤1：构建MRI肿瘤多模态图像融合的网络；步骤2：构建用于增强肿瘤图像分割的多模态3D网络；步骤3：基于GAN的图像融合，构建显著性损失函数；步骤4：构建Mask注意机制对比度损失函数；步骤5：构建SSIM损失函数；步骤6：根据MRI肿瘤多模态图像融合的网络、多模态3D网络和三个损失函数进行MRI肿瘤优化分割。本发明当训练深层架构时，一个剩余单位会有所帮助；利用递归残差卷积层进行特征积累，为分割任务提供了更好的特征表示；为医学图像分割设计了具有相同网络参数、性能较好的U-NET体系结构。
-
公开(公告)号：CN113223699B
公开(公告)日：2024-10-18
申请号：CN202110355578.9
申请日：2021-04-01
Applicant: 复旦大学附属华山医院
IPC: G16H50/70 , G16H50/20 , G16H30/40 , G06V10/764 , G06V10/77 , G06V10/82 , G06V10/26 , G06N3/045 , G06N3/0499 , G06T7/00 , G06T7/73 , A61B34/10
Abstract: 本发明提供了一种构建腰椎骨量减少和骨质疏松筛查模型的方法和系统，包括：步骤1：从双平面成像设备中采集影像数据，获取冠、矢状面影像数据及体检信息并进行预处理；步骤2：对冠、矢状面影像进行椎体分割，得到分割结果；步骤3：根据分割结果和体检信息，构成特征集合；步骤4：基于特征集合进行腰椎骨量减少和骨质疏松筛查模型构建。本发明利用常规体检指标及冠、矢状面影像信息，进行腰椎骨量减少和骨质疏松疾病的筛查，在降低辐射量的同时，为今后快速准确地筛查具有高OP疾病风险的人群提供了理论和实践依据，具有很大的实际应用价值。
-
公开(公告)号：CN113571203B
公开(公告)日：2024-01-26
申请号：CN202110813710.6
申请日：2021-07-19
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种多中心基于联邦学习的脑肿瘤预后生存期预测方法及系统，利用多中心的多模态脑肿瘤影像及其组学信息，患者临床病历信息等多尺度信息进行脑肿瘤预后生存期预测，提出了一种基于主动学习与强化学习的多中心联邦学习机制。本发明通过各中心分布式存储的患者电子病历信息联合影像组学特征与深度学习特征建立全面的脑肿瘤预后生存期分类模型，在保证患者图像数据隐私的基础上实现可靠
-
Patent Agency Ranking
公开(公告)号：CN113643805A
公开(公告)日：2021-11-12
申请号：CN202110913967.9
申请日：2021-08-10
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于影像组学的脑膜瘤伽马刀后瘤周水肿预测系统；包括影像组学特征提取单元，用以对各患者术前头颅磁共振常规序列肿瘤区域进行影像组学特征提取；将各患者影像组学特征中的冗余特征去除以得到筛选后的重要影像组学特征；结合筛选后的影像组学特征、临床数据获取单元的临床特征及影像学语义特征获取单元获取的影像学特征等，根据水肿发生与否及发生时间得到临床影像特征与结局判定单元获得的术后水肿发生率及发生期之间的关系，建立随机生存森林模型用于预测。本发明的术后水肿预测系统，通过提取肿瘤区域的影像学特征结合临床特征，具有无创性、可重复、易操作的优点，可为评估行伽马刀的脑膜瘤患者预后、改善临床决策提供有力支持。
-
公开(公告)号：CN113571203A
公开(公告)日：2021-10-29
申请号：CN202110813710.6
申请日：2021-07-19
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种多中心基于联邦学习的脑肿瘤预后生存期预测方法及系统，利用多中心的多模态脑肿瘤影像及其组学信息，患者临床病历信息等多尺度信息进行脑肿瘤预后生存期预测，提出了一种基于主动学习与强化学习的多中心联邦学习机制。本发明通过各中心分布式存储的患者电子病历信息联合影像组学特征与深度学习特征建立全面的脑肿瘤预后生存期分类模型，在保证患者图像数据隐私的基础上实现可靠的、准确度更高的脑肿瘤预后生存期预测系统。
-
公开(公告)号：CN112967778A
公开(公告)日：2021-06-15
申请号：CN202110287375.0
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Inventor： 于泽宽 , 周锟 , 耿道颖 , 吴兴旺 , 王乐 , 韩方凯 , 刘晓 , 陈卫强 , 李强 , 王侠 , 刘学玲 , 吕锟 , 王容 , 杜鹏 , 文剑波 , 韩秋月 , 张海燕 , 杜成娟 , 王娜 , 李璇璇 , 吴昊 , 耿岩 , 李郁欣 , 张军 , 尹波 , 曹鑫
IPC: G16H20/10 , G16H30/20 , G16H30/40 , G16H50/20 , G06T7/00 , G06T7/11 , G06K9/46 , G06K9/62 , G06N20/20
Abstract: 本发明提供了一种基于机器学习的炎症性肠病精准用药方法及系统，涉及医学图像处理技术领域，该方法包括：步骤S1：获取炎症性肠病能谱CT数据并对能谱CT数据进行预处理，制作病情活动度‑用药标签数据集；步骤S2：对预处理后的能谱CT数据进行病灶区域分割；步骤S3：将炎症性肠病病灶区域ROIIBD进行影像组学特征提取；构建迁移模型；步骤S4：获得炎症性肠病无创用药评估模型。本发明能够帮助指导IBD患者的治疗方案选择，评估预后，进而缩短IBD患者的治疗时间，具有更好的临床实用性。
-
公开(公告)号：CN112365980A
公开(公告)日：2021-02-12
申请号：CN202011279154.0
申请日：2020-11-16
Applicant: 复旦大学附属华山医院
IPC: G16H50/30 , G06T7/00 , G06T7/11 , G06T7/45 , G06T7/62 , G06K9/32 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种脑肿瘤多靶点辅助诊断与前瞻性治疗演化可视化方法及系统，包括：获取治疗前、后配对的脑肿瘤多靶点多模态MRI数据并进行预处理；对预处理后治疗前、后配对的脑肿瘤多靶点多模态MRI数据通过3DU‑net卷积神经网络进行肿瘤区域分割得到 和将 和 通过影像组学方法获得生长特征标签L＝{l1,l2,l3,...,ln}；将 和 通过多通道卷积神经网络进行特征提取再进行SE融合操作，得到深度学习特征和 将 输入预测模型，得到脑肿瘤多靶点生长预测标签 将 和输入训练后的前瞻性治疗可视化模型，得到最终的脑肿瘤感兴趣区域生长演化图像，将脑肿瘤感兴趣区域生长演化图像插入非脑肿瘤区域Ibackground中，完成脑肿瘤前瞻性治疗可视化任务；本发明具有更好的临床实用性。
-
公开(公告)号：CN111667478A
公开(公告)日：2020-09-15
申请号：CN202010523637.4
申请日：2020-06-10
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于CTA到MRA跨模态预测的颈动脉斑块识别方法，包括以下步骤：数据收集步骤：收集配对的颈动脉CTA和MRA图像数据；斑块分割及模型训练步骤：先进行CTA和MRA颈动脉管腔的定位，然后进行颈动脉斑块的分割，获得CTA和MRA的斑块区域图像，将CTA和MRA的斑块区域图像送到pix2pix或者cycle-GAN网络进行训练，获得初步训练后的模型。本发明设计完整、新颖的算法流程，使用改进的深度学习Multiplan-net算法对CTA图像上的颈动脉管腔、斑块进行自动分割，在此基础上设计优化的对抗生成网络进行CTA数据扩增，从而进一步提高分割精度。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.025 seconds)
