-
公开(公告)号：CN111968138B
公开(公告)日：2022-03-18
申请号：CN202010682603.X
申请日：2020-07-15
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于3D动态边缘不敏感性损失函数的医学图像分割方法。本发明模型采用动态边缘不敏感性损失函数，该损失函数的设计原则为：在每次迭代训练过程中，距离边缘越远的预测错误的像素点，网络对其越敏感，惩罚权重越大。这样可以降低不可信的边缘敏感度，降低不同专家标注数据的边缘不确定性对模型的影响，提高模型对于医学图像分割的泛化性能。同时采用基于注意力机制的U‑net架构，通过融合注意力模块自适应特征图的权重分布，使网络模型的偏差较小，从而减少标注噪声对模型学习的影响，提高医学图像分割模型泛化性与精确度。
-
公开(公告)号：CN103908344A
公开(公告)日：2014-07-09
申请号：CN201210595025.1
申请日：2012-12-31
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用领域，涉及一种基于手术导航系统的牵拉变形矫正方法，尤其涉及神经外科手术导航系统中脑组织牵拉变形矫正的方法，本发明方法包括基于MRI的三维自动分割算法，获得目标组织后进行网格化，通过对每一网格单元赋予相应的生物力学属性，建立物理模型。通过跟踪算法间接跟踪受牵拉组织表面，将其作为边界条件并结合物理模型进行扩展有限元计算，获得整个脑组织任意位置的变形，最后采用插回算法更新术前三维数据场用于指导手术。该方法实施简单，精度可靠，可集成在现有导航系统中，从而大幅度提高导航系统精度，有助于临床应用。
-
Patent Agency Ranking
公开(公告)号：CN119762548A
公开(公告)日：2025-04-04
申请号：CN202411662787.8
申请日：2024-11-20
Applicant: 复旦大学
IPC: G06T7/33 , G06T7/00 , G06N3/0455 , G06N3/084 , G06T3/4007 , G06F30/23 , G06F119/14
Abstract: 本发明属于医学图像配准技术领域，具体为一种基于生物力学生成的前列腺MRI‑TRUS可变形图像配准方法。本发明利用生成模型将由有限元分析获取的生物力学先验学习为一个低维的变形流形，并通过形状相似性对学习到的流形进行优化以寻找最优变形场。本发明直接从生物力学先验中学习域不变的前列腺变形规律，能够有效克服图像的模态差异和相应结构缺失对配准影响；在推理阶段可以直接输出带有隐式生物力学约束的变形场，有效地克服显式正则化的局限性；并能够显著提高MRI‑TRUS可变形图像配准的精度和变形场的生物力学合理性，在保持前列腺内部结构上表现出优异的性能。本发明不依赖图像纹理特征建立空间对应关系，有较高的泛化性和可推广性。
-
公开(公告)号：CN114494160B
公开(公告)日：2023-04-18
申请号：CN202210023607.6
申请日：2022-01-10
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/11 , G06T5/40 , G06N3/084 , G06N3/0464 , G06N3/09 , G06N3/0455
Abstract: 本发明属于医学影像检测技术领域，具体为一种基于完全融合集成网络候选框的骨折检测方法。本发明针对骨折检测时，网络模型因骨间灰度相似性而生成大量假阳性预测，且检测效果不佳等问题，提出集成目标检测网络(ED‑Net)以提高骨折检测结果，设计全新的加权融合候选框算法(CBF)消除大量的冗余框，得到定位更为精准、置信度更准确的骨折候选框，同时结合Unet针对上述候选框进行分割，进一步地提升骨折检测效果。本发明具有实施简单、精确的特点，级联ED‑Net，CBF，Unet模块有效解决上述问题，从而很好地提高了骨折的检测效果。
-
公开(公告)号：CN111489425B
公开(公告)日：2022-07-22
申请号：CN202010204191.9
申请日：2020-03-21
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于局部关键几何信息的脑组织表面变形估计方法。本发明方法包括：从术前图像中提取目标脑组织并进行三维重建，提取目标脑组织表面点集；通过三维扫描仪获取变形后脑组织表面点集数据以及纹理图像。提取脑组织表面点集的三维沟回点集，提取二维纹理图像上的沟回特征，通过二维沟回特征和对应三维沟回特征的映射关系，得到术中三维沟回点集。使用刚性配准方法，对术中脑组织表面的横向位移进行补偿，通过基于沟回特征增强的非刚体配准方法，获得变形前后脑组织表面三维点集对应关系，并计算脑组织表面点集的位移场。本发明可以用于估计手术中脑组织表面的变形程度，大幅度提高手术导航的精度。
-
公开(公告)号：CN111968138A
公开(公告)日：2020-11-20
申请号：CN202010682603.X
申请日：2020-07-15
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于3D动态边缘不敏感性损失函数的医学图像分割方法。本发明模型采用动态边缘不敏感性损失函数，该损失函数的设计原则为：在每次迭代训练过程中，距离边缘越远的预测错误的像素点，网络对其越敏感，惩罚权重越大。这样可以降低不可信的边缘敏感度，降低不同专家标注数据的边缘不确定性对模型的影响，提高模型对于医学图像分割的泛化性能。同时采用基于注意力机制的U-net架构，通过融合注意力模块自适应特征图的权重分布，使网络模型的偏差较小，从而减少标注噪声对模型学习的影响，提高医学图像分割模型泛化性与精确度。
-
公开(公告)号：CN105310776B
公开(公告)日：2018-07-24
申请号：CN201410723354.9
申请日：2014-12-02
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用领域，涉及一种软组织表面变形追踪算法。本发明方法包括软组织分割算法；对提取的目标组织进行网格化处理，获得初始软组织表面点集；通过三维激光扫描仪或者术中三维成像设备获取变形后软组织表面点集；使用刚性配准方法将对变形后软组织表面和初始软组织表面进行初配准；最后基于子块式能量函数最小非刚性配准算法来获得两个点集中点与点之间的映射关系。本发明的方法实施简单，精度可靠，可集成在现有导航系统中，实现术中软组织变形矫正，从而大幅度提高导航系统精度，有助于临床应用。
-
-
-
-
-
-
Search Results
17
records
(took 0.014 seconds)
