-
公开(公告)号：CN115713520A
公开(公告)日：2023-02-24
申请号：CN202211482880.1
申请日：2022-11-24
Applicant: 复旦大学 , 光华临港工程应用技术研发(上海)有限公司
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种基于深度学习的医学影像颈动脉血管分割算法和系统，所述方法通过对原始颈部医学影像数据的获取和预处理后，输入预训练的医学影像颈动脉血管检测网络进行血管定位，生成颈动脉血管定位框；然后将定位框对应的部分颈部医学影像，输入预训练的医学影像颈动脉血管分割网络进行血管分割，生成颈动脉血管分割结果；最后将颈动脉血管分割结果和原始颈部医学影像数据进行可视化展示。与现有技术相比，本发明具有分割准确性高的优点。
-
公开(公告)号：CN115619794A
公开(公告)日：2023-01-17
申请号：CN202210513459.6
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)
Abstract: 本发明提供了一种基于神经网络的原发性肝细胞癌病灶分割系统及方法，包括：模块M1：获取肝脏多期相CT数据并进行预处理，得到预处理后的肝脏多期相CT数据；模块M2：将预处理后的肝脏多期相CT数据通过第一个预训练的多通道卷积神经网络进行肝脏分割，得到肝脏区域的多期相CT数据；模块M3：将肝脏区域的多期相CT数据通过第二个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶筛查，获得含有原发性肝细胞癌病灶的多期相CT数据；模块M4：将含有原发性肝细胞癌病灶的多期相CT数据通过第三个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶分割，得到原发性肝细胞癌病灶多期相分割结果。
-
公开(公告)号：CN114240846A
公开(公告)日：2022-03-25
申请号：CN202111394790.2
申请日：2021-11-23
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种降低医学图像病灶分割结果假阳率的系统及方法，包括：模块M1：获取医学图像；模块M2：利用分割技术对获取的医学图像进行组织分割和病灶分割，分别得到第一组织区域和第一病灶区域；模块M3：对第一组织区域进行膨胀操作，得到第二组织区域；模块M4：对第一病灶区域与第二组织区域进行假阳性降低处理，得到第二病灶区域，第二病灶区域为降低假阳率病灶检测分割结果。通过医学图像分割的解剖组织结构和病灶的空间膨胀和卷积方法，解决了病灶分割结果假阳率高的问题，取得了提高病灶诊断正确性与分割精准度的效果。
-
Patent Agency Ranking
公开(公告)号：CN111815624A
公开(公告)日：2020-10-23
申请号：CN202010738520.8
申请日：2020-07-28
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于图像处理算法的肿瘤间质比判定方法及系统，包括：步骤M1：读取肿瘤病理切片HE免疫组化图像；步骤M2：选取图像的平均灰度值和图像的模糊程度在预设范围内的图像；步骤M3：基于图像预处理算法对选取的图像进行预处理，得到预处理后的图像；步骤M4：对预处理后的图像进行分割；步骤M5：得到分割结果并标注，计算肿瘤间的质比。本发明大大增加了数据的准确度，提供了一套效率更高、精确度更高的肿瘤间质比的计算方式。
-
公开(公告)号：CN111260700A
公开(公告)日：2020-06-09
申请号：CN202010023904.1
申请日：2020-01-09
Applicant: 复旦大学
Abstract: 本发明涉及一种多参数磁共振图像全自动配准与分割方法，包括配准模型与分割模型的联合训练：(1)以多参数磁共振图像中的一个序列为参考图像，其他序列为浮动图像，构建以参考图像为基准并对浮动图像进行配准的配准模型，建立基于图像灰度相似性测度的配准损失函数；(2)构建对参考图像和浮动图像进行目标分割的分割模型，建立关于参考图像与浮动图像的分割损失函数；(3)构建衡量分割模型对参考图像和浮动图像分割结果轮廓相似性的轮廓相似性损失函数以及融合灰度信息与轮廓信息的联合损失函数；(4)交替训练配准模型和分割模型直到满足收敛条件。与现有技术相比，本发明配准与分割可相互促进，有效提升配准与分割精度。
-
公开(公告)号：CN114565605B
公开(公告)日：2025-01-28
申请号：CN202210264678.5
申请日：2022-03-17
Applicant: 华东师范大学 , 复旦大学附属华山医院
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种病理图像的分割方法及装置。其中，该方法包括：将训练集样本输入到先验分类网络，得到样本的预测类别；根据预测类别和真实类别计算二值交叉熵损失，作为先验分类损失；根据先验分类网络生成类激活图，并使用孪生网络对类激活图进行正则化，得到修正类激活图；根据修正类激活图转换为伪像素级标签；将训练集样本输入至预先设置的语义分割网络，得到训练集样本的分割结果；将分割结果与伪像素级标签计算Dice损失，以优化语义分割网络，并通过优化后的语义分割网络进行病理图像分割。本方案可以使用标注量较少的图像级标签的组织病理图像，通过弱监督学习方式，对其进行快速准确地分割，完成对病理图像中癌变区域的自动定位。
-
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：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。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.024 seconds)
