稀疏度自适应组正交匹配追踪的激发荧光断层重建方法

    公开(公告)号:CN110327018A

    公开(公告)日:2019-10-15

    申请号:CN201910548816.0

    申请日:2019-06-24

    Abstract: 本发明属于光学分子影像领域,具体涉及了一种稀疏度自适应组正交匹配追踪的激发荧光断层重建方法,旨在解决现有技术使用稀疏约束优化求解肿瘤分布中存在的区域过稀疏、空间不连续、过程欠鲁棒的问题。本发明方法包括:对生物CT三维数据进行分割及有限元离散化后与生物体表激发荧光图像数据融合;根据融合后的体表激发荧光光强分布信息建立模型;划分模型并构造局部空间连续性约束条件;融入L1范数稀疏性并迭代求解,获得探针在生物肿瘤区域的汇聚分布情况。本发明通过融合空间结构约束和稀疏约束,构建一种全新的空间结构稀疏正则化项,重点解决了单纯基于稀疏约束求解肿瘤分布导致的区域过稀疏、空间不连续、过程欠鲁棒等问题。

    一种光声和荧光循环互提升成像方法

    公开(公告)号:CN103393408A

    公开(公告)日:2013-11-20

    申请号:CN201310364421.8

    申请日:2013-08-20

    Abstract: 本发明公开了一种光声和荧光循环互提升成像方法。该成像方法包括:多光谱光声成像、基于光声成像先验信息的多光谱扩散光学断层成像重建、小动物结构信息获取、小动物结构信息获取、基于结构与光学特性先验信息的组织特异性荧光分子成像重建和光声和荧光信息融合六个步骤。本发明的成像方法适用于光声和荧光多模态成像设备,可以达到光学和荧光成像质量循环互提升的效果,得到比分别进行单一模态成像更准确的图像。

    用于对组织图像进行三级淋巴结构数据标注的方法、装置、设备及介质

    公开(公告)号:CN119600607A

    公开(公告)日:2025-03-11

    申请号:CN202411679060.0

    申请日:2024-11-22

    Abstract: 本公开提供了一种用于对组织图像进行三级淋巴结构数据标注的方法、装置、设备及介质,可以应用于深度学习技术领域和医学影像数据标注技术领域。该方法包括:对目标对象的初始组织染色图像进行裁剪,确定多个裁剪图像块;根据残差网络模型处理多个裁剪图像块,得到多个肿瘤区域标记图像块;根据语义分割模型处理肿瘤区域标记图像块,得到与肿瘤区域标记图像块对应的淋巴细胞掩膜图像块;基于形态学算法处理多个淋巴细胞掩膜图像块,得到与初始组织染色图像对应的淋巴细胞密度图,淋巴细胞密度图的淋巴细胞密度像素表征淋巴细胞密度分布结果;基于标注规则和淋巴细胞密度像素对初始组织染色图像进行标注,得到表征三级淋巴结构数据的标注图像。

    基于Unet模型的生物标志物预测系统、方法、设备

    公开(公告)号:CN114121226B

    公开(公告)日:2024-09-06

    申请号:CN202111459808.2

    申请日:2021-12-02

    Abstract: 本发明属于医学图像处理领域,具体涉及一种基于Unet模型的生物标志物预测方法、系统、设备,旨在解决现有的生物标志物获取系统中得到TME中关键生物标志物成分的表达和分布信息的质量较差、在获取过程中容易损伤样本以及过于依赖专业人士主观判断的问题。本发明系统包括:图像采集模块,配置为采集待预测的苏木精‑伊红染色病理图像,作为输入图像;预测模块,配置为通过训练好的生物标注物预测模型获取所述输入图像的生物标志物表达和分布信息;所述生物标注物预测模型基于Unet模型构建。本发明提升了TME中关键生物标志物成分的表达和分布信息预测的质量、解决了生物实验损伤样本、依赖专业人士主观判断的问题。

    基于数字病理图像的细胞靶点表达预测方法、系统及装置

    公开(公告)号:CN112669288B

    公开(公告)日:2023-02-24

    申请号:CN202011606836.8

    申请日:2020-12-30

    Abstract: 本发明属于医学图像处理领域,具体涉及了一种基于数字病理图像的细胞靶点表达预测方法、系统及装置,旨在解决现有细胞靶点表达观测分析方法成本高昂、周期长以及需要专家进行人工判读,因而效率低、客观性较弱的问题。本发明包括:获取H&E染色数字扫描图像,并通过滑窗裁剪成设定大小的H&E图像切片;进行色域归一化以及图像对比度增强的预处理,获得预处理H&E图像切片;通过细胞靶点表达预测模型获取不同细胞荧光表达的概率分布图;对于任一像素点,以其对应于概率分布图的概率最大的类别作为预测类别。本发明预测效率高、客观性强、预测结果准确率和精度高。

    基于RecNet模型的磁粒子成像重建方法

    公开(公告)号:CN114998471B

    公开(公告)日:2022-12-16

    申请号:CN202210712519.7

    申请日:2022-06-22

    Abstract: 本发明属于磁粒子成像的图像重建领域,具体涉及一种基于RecNet模型的磁粒子成像重建方法、系统、设备,旨在解决现有的磁粒子成像重建方法中,基于系统矩阵的重建方法获取系统矩阵难度大,重建的结果包含噪声和伪影,x‑space的重建方法重建图像质量、清晰度较差的问题。本方法包括:获取待成像重建的一维MPI信号,作为输入信号;将输入信号及其对应的无磁场点速度信号,输入训练好的磁粒子重建模型RecNet进行图像重建,得到二维MPI图像;磁粒子重建模型RecNet基于域转换网络、改进的UNet网络构建。本发明可以在不获取系统矩阵的情况下获得高质量的、清晰的磁粒子分布图像。

    基于Transformer的MPI图像重建方法

    公开(公告)号:CN114723729A

    公开(公告)日:2022-07-08

    申请号:CN202210426867.8

    申请日:2022-04-21

    Abstract: 本发明属于生物医学分子影像领域,具体涉及一种基于Transformer的MPI图像重建方法、系统、设备,旨在解决现有的传统MPI数学模型重建精度低及鲁棒性差的问题。本方法包括:构建待重建MPI图像的生物体的生物病灶模型,并将包裹SPIOs的靶向分子注射到该生物病灶模型中;注射后,利用MPI设备对所述生物病灶模型进行信号采集,得到SPIOs的靶向分子对应的响应电压信号;基于响应电压信号,通过训练好的Transformer神经网络重建出生物体内的SPIOs探针分布,进而得到重建后的MPI图像。本发明提高了MPI重建的准确性和鲁棒性。

Patent Agency Ranking