-
公开(公告)号：CN108542391A
公开(公告)日：2018-09-18
申请号：CN201810314839.0
申请日：2018-04-10
Applicant: 首都医科大学宣武医院
IPC: A61B5/055
Abstract: 本发明公开了一种磁共振检查用头部固定装置，所述头部固定装置包括肩颈垫、头垫和头部固定器，所述肩颈垫包括肩垫部和颈垫部，所述肩垫部与所述颈垫部连接；所述头垫包括底部和包围部，所述包围部部分环绕所述底部设置且与所述底部连接；所述底部未被包围部包围的部分与所述颈垫部连接；所述头部固定器包括充气部、头面贴合部以及容纳部，所述充气部包括气囊和充气装置，所述气囊一侧与所述头面贴合部连接，另一侧与所述包围部连接；所述充气装置与所述气囊连接；所述容纳部开设在所述头面贴合部上。本发明可以固定被检查者头部位置，且可适应不同被检查者头部大小，还可以固定降噪耳机的位置，使其不易移动与被检查者耳部贴合。
-
公开(公告)号：CN118840368A
公开(公告)日：2024-10-25
申请号：CN202411312069.8
申请日：2024-09-20
Applicant: 首都医科大学宣武医院 , 深圳市铱硙医疗科技有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种基于Aβ‑PET脑影像的自动化定量与智能分析方法，包括：将Aβ‑PET原始数据进行数据预处理，得到脑实质数据；对脑实质数据进行自动定量分析，计算得到体素SUVMean和体素SUVR；基于大脑结构掩膜，计算各脑区平均SUVR实现脑区级定量；根据体素SUVMean、体素SUVR和各脑区平均SUVR生成定量参数图；构建标准参考表；利用训练好的多模态3D卷积神经网络对定量参数图进行分类，得到前5%贡献度体素作为疑似异常体素；根据标准参考表和疑似异常体素判断脑区异常，实现自动定位异常脑区。通过本发明方案，实现了从Aβ‑PET原始数据定量化分析，提供体素级别定量化数据的同时，提供精确的基于解剖分区的定量参数并可视化输出异常区域图片，对临床医生诊断提供了有益的帮助。
-
公开(公告)号：CN118799382A
公开(公告)日：2024-10-18
申请号：CN202411274553.6
申请日：2024-09-11
Applicant: 首都医科大学宣武医院
Abstract: 本申请涉及一种扫描图像的不对称指数体素值的统计方法和装置。所述方法包括：获取用户的扫描图片，并通过图像边缘识别算法，识别所述扫描图像的病灶边缘信息；基于所述病灶边缘信息，生成所述扫描图像的病灶对侧掩膜图像，并基于所述病灶边缘信息、以及所述病灶对侧掩膜图像，通过不对称指数算法，生成不对称指数图像；基于所述不对称指数图像，生成所述用户的区域分割掩膜图像，并基于所述区域分割掩膜图像，通过体素统计策略，统计所述用户的扫描图像的不对称指数体素值。采用本方法能够提升了识别扫描图像的不对称指数体素值的精准度。
-
公开(公告)号：CN116310352B
公开(公告)日：2024-04-12
申请号：CN202310108568.4
申请日：2023-01-20
Applicant: 首都医科大学宣武医院 , 深圳市铱硙医疗科技有限公司
Abstract: 本发明涉及图像分类技术领域，揭露了一种阿尔兹海默病MRI图像多分类方法及装置，包括：接收病人的脑部MRI图像，将所述脑部MRI图像输入至预先构建的脑部结构识别模型，得到MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图，其中，脑部结构自动识别模型由卷积层、特征融合层、注意力层及YOLO模型层，计算MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图分别在脑部MRI图像的面积占比，并根据面积占比确定病人的阿尔兹海默病的病重等级。本发明主要目的在于解决目前多数方法仅依赖于单一模型识别脑部MRI图像的脑叶区域，从而造成阿尔兹海默病误判率较高的问题。
-
公开(公告)号：CN111784653B
公开(公告)日：2023-08-01
申请号：CN202010594321.4
申请日：2020-06-28
Applicant: 西安电子科技大学 , 首都医科大学宣武医院
IPC: G06T7/00 , G06T7/12 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于形状约束的多尺度网络MRI胰腺轮廓定位方法，主要解决现有技术在MRI图像对比度低和样本不均衡情况下对胰腺图像分割困难的问题。本发明的技术方案为：(1)生成训练集和标注集；(2)预训练U‑net网络；(3)构建多尺度网络；(4)训练形状约束网络；(5)构建形状约束的多尺度网络；(6)训练形状约束的多尺度网络；(7)对MRI图像中胰腺区域进行分割。本发明方法利用了胰腺图像的形状信息，并结合边界和区域信息进行图像分割，可以较好的定位MRI图像中胰腺区域，具有分割精度高的优点，可用于对人体腹部MRI图像中胰腺组织轮廓进行自动定位分割。
-
Patent Agency Ranking
公开(公告)号：CN111096748B
公开(公告)日：2023-06-02
申请号：CN201911314004.6
申请日：2019-12-19
Applicant: 首都医科大学宣武医院
Abstract: 本发明公开了一种动态测量脑氧代谢率的方法，该方法采用基于灌注成像的多个非对称性自旋回波‑回波平面成像技术，即采用选层反转标记与非选层反转标记交替切换所组成的多回波信号采集方式，以选层与非选层信号相加/减的形式同步获得OEF和CBF加权图像，并结合费克定律最终实现了对CMRO2动态变化的测量。本发明从根本上解决了校准BOLD法需要气体校准导致的一系列问题，大大提高了受试者的舒适度，扩大了适用人群，大幅度降低了操作的复杂性以及测量成本，进而有望建立不同人群的脑健康和脑疾病机制的研究，并推动推动神经科学和临床医学的发展。
-
公开(公告)号：CN114821205A
公开(公告)日：2022-07-29
申请号：CN202210754406.3
申请日：2022-06-30
Applicant: 澄影科技(北京)有限公司 , 首都医科大学宣武医院
Abstract: 本发明的实施例提供一种基于多维特征的图像处理方法、装置及设备，所述方法包括：获取目标对象的四维影像图像；对所述四维影像图像进行预处理，得到目标图像；将所述目标图像输入预设分类模型中进行分类处理，得到所述目标图像的分类结果；所述预设分类模型是基于卷积神经网络进行训练得到的；所述预设分类模型是基于所述目标图像的融合多维特征后的时间序列矩阵，对所述目标图像进行分类处理的；根据所述分类结果，确定所述四维影像图像的识别结果。本发明的实施例基于融合多维特征的时间序列矩阵，对所述四维影像图像进行分类处理，提高图像分类及识别的准确度。
-
公开(公告)号：CN111784653A
公开(公告)日：2020-10-16
申请号：CN202010594321.4
申请日：2020-06-28
Applicant: 西安电子科技大学 , 首都医科大学宣武医院
Abstract: 本发明公开了一种基于形状约束的多尺度网络MRI胰腺轮廓定位方法，主要解决现有技术在MRI图像对比度低和样本不均衡情况下对胰腺图像分割困难的问题。本发明的技术方案为：(1)生成训练集和标注集；(2)预训练U-net网络；(3)构建多尺度网络；(4)训练形状约束网络；(5)构建形状约束的多尺度网络；(6)训练形状约束的多尺度网络；(7)对MRI图像中胰腺区域进行分割。本发明方法利用了胰腺图像的形状信息，并结合边界和区域信息进行图像分割，可以较好的定位MRI图像中胰腺区域，具有分割精度高的优点，可用于对人体腹部MRI图像中胰腺组织轮廓进行自动定位分割。
-
公开(公告)号：CN119359717A
公开(公告)日：2025-01-24
申请号：CN202411918432.0
申请日：2024-12-24
Applicant: 首都医科大学宣武医院
Abstract: 本申请涉及一种PET糖代谢值的预测方法、装置和计算机设备。方法包括：通过扫描仪，采集患者的序列扫描图像、以及对比图像，并基于所述序列扫描图像，通过序列分割策略，生成所述患者的各反转恢复图像；对各所述反转恢复图像进行图像合并处理，得到所述患者的目标合成图像，并基于所述目标合成图像、以及所述对比图像，通过图像比对策略，识别所述目标合成图像的组织异常信息；基于所述组织异常信息，通过糖代谢值预测策略，预测所述患者的糖代谢值。采用本方法能够提升了对PET糖代谢值的预测精准度。
-
公开(公告)号：CN117310585B
公开(公告)日：2024-02-23
申请号：CN202311596447.5
申请日：2023-11-28
Applicant: 首都医科大学宣武医院
Abstract: 本发明涉及磁共振成像领域，公开了一种在线测量组织反转恢复零点的方法，该方法通过提出一种基于回波平面成像的自动改变反转恢复时间（Automatic change of TI，AutoTI）成像技术对待测组织进行实时成像，并结合MRI系统自带的图像处理工具，线上可视化待测组织的反转恢复零点（TInull）值。本发明从实质上解决了现有测量方法在实际临床应用以及功能磁共振成像研究中测量时间长且操作复杂的问题，增加了TInull测量的实用性和实施性，进一步推动了临床个体化诊疗的发展，为疾病的治疗、评估和预测提供技术基础。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.034 seconds)
