-
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
-
公开(公告)号：CN115717909B
公开(公告)日：2023-06-13
申请号：CN202211461658.3
申请日：2022-11-17
Applicant: 复旦大学
Abstract: 本发明属于健康智能监测技术领域，具体公开一种面向热害职业危害的健康智能监测方法、设备及存储介质，该面向热害职业危害的健康智能监测方法包括环境信息采集、环境信息分析、人员基本信息采集、人员散热分析、人员温度采集、人员散热平衡分析、人员温度分析、人员作业安全分析和危险预警，通过对矿井下作业区域的环境信息进行采集和分析，进而对作业人员的着装情况和温度进行采集与分析，从而对作业人员的作业状态进行分析，解决了当前技术没有对作业人员的工作服装进行监测与分析的问题，实现了矿井下作业人员的安全状态监测与分析，有效的保障了作业人员的作业健康与安全，提高了作业人员的工作效率和效果同时也保障了矿井生产的安全。
-
公开(公告)号：CN116152560A
公开(公告)日：2023-05-23
申请号：CN202310174891.1
申请日：2023-02-24
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/80 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本发明涉及一种基于多任务学习的胶质瘤图像分类方法及系统，该方法包括以下步骤：步骤S1、采集脑胶质瘤的多模态磁共振成像图像数据，将其分为训练集和测试集；步骤S2、构建基于多任务学习的多模态磁共振成像图像分类与分割联合网络，其损失函数为分割网络损失函数和分类网络损失函数的加权和；采用标注有肿瘤mask金标准的训练集对多模态磁共振成像图像分类与分割联合网络进行训练；步骤S3、采用训练好的多模态磁共振成像图像分类与分割联合网络对测试集进行图像分割与分类，输出胶质瘤多模态磁共振成像图像自动分割结果以及分类结果。与现有技术相比，本发明具有分类准确性高的优点。
-
公开(公告)号：CN115272170A
公开(公告)日：2022-11-01
申请号：CN202210610244.6
申请日：2022-05-31
Applicant: 复旦大学
Abstract: 本发明提供了一种基于自适应多尺度Transformer优化的前列腺MRI影像分割方法及系统，包括：步骤S1：获取前列腺MRI影像数据集；步骤S2：对数据集中MRI图像进行预处理，得到预处理之后的训练集与测试集；步骤S3：初始化网络中的参数，使用带有Transformer模块的网络结合在前列腺图像标注的前列腺器官区域进行训练，更新参数得到前列腺自动分割模型；步骤S4：将测试数据集的图像输入训练完成的网络中，得到每幅MRI图像的前列腺分割图像。本发明引入了自适应卷积自适应地调制卷积核全局互补信息，采用自适应Transformer模块来增强全局语义提取能力，提升了对前列腺MRI图像的分割效果。
-
公开(公告)号：CN114937171A
公开(公告)日：2022-08-23
申请号：CN202210513470.2
申请日：2022-05-11
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
IPC: G06V10/764 , G06V10/80 , G06V10/26 , G06V10/40 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00
Abstract: 本发明提供了一种基于深度学习的阿尔茨海默分类系统，包括：模块M1：获取AD多模态数据并进行预处理，得到预处理后的AD多模态数据；模块M2：将预处理后的AD多模态数据按照预设比例分为训练集及测试集；模块M3：构建联合网络模型，包括MAM U‑net分割网络和T‑DenseNet分类网络；模块M4：利用训练集训练联合模型直至损失函数收敛，得到训练后的联合模型；模块M5：利用测试集通过训练后的联合模型进行预测，并根据预测结果和预设标注信息计算准确率，如果准确率未达到预设要求，则重复触发模块M4至模块M5直至准确率达到预设要求。
-
Patent Agency Ranking
公开(公告)号：CN113793345A
公开(公告)日：2021-12-14
申请号：CN202111042489.5
申请日：2021-09-07
Applicant: 复旦大学附属华山医院
Abstract: 本发明公开了一种图像处理方法、装置、计算机设备及存储介质。该方法包括：获取目标图像的目标张量数据；将目标张量数据输入至目标神经网络模型，目标神经网络模型包括编码器、解码器和注意力模块；编码器用于根据目标张量数据进行降采样，得到第一特征矩阵；注意力模块用于根据第一特征矩阵进行空洞卷积，得到第二特征矩阵；根据第二特征矩阵确定原始注意力图；根据原始注意力图确定空洞注意力图；根据第一特征矩阵和空洞注意力图确定第三特征矩阵；将第三特征矩阵输出值解码器；解码器用于根据第三特征矩阵进行上采样，得到图像分割结果；根据目标神经网络模型的输出进行目标图像的分割反馈。能够提高图像分割的准确性。
-
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：CN112150477A
公开(公告)日：2020-12-29
申请号：CN201911118499.5
申请日：2019-11-15
Applicant: 复旦大学
Abstract: 本发明提供一种脑影像动脉全自动分割方法及装置，能够对二维或是三维的待测脑影像进行自动的脑血管分割，其特征在于，包括：步骤S1，对待测脑影像进行图像增强；步骤S2，采用预先训练的机器学习分类器以及构建的子类‑参数对照表进行参数自适应选取；步骤S3，根据参数进行阈值分割；步骤S4，自适应颅骨种子点提取；步骤S5，根据参数进行颅骨去除；步骤S6，分析所有连通域的体积并根据参数进行连通域筛选；步骤S7，自适应阈值统计得出上下限阈值；步骤S8，根据上下限阈值区域增长；步骤S9，均匀扩展得到最后的图像分割结果。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.02 seconds)
