-
公开(公告)号：CN103745440B
公开(公告)日：2017-02-08
申请号：CN201410007036.2
申请日：2014-01-08
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T5/00
Abstract: 本发明提供了一种CT系统金属伪影校正方法，根据初始化参数创建所述CT系统的系统矩阵，基于所述系统矩阵计算CT图像重建的过程中的物体衰减系数f，再优化所述物体衰减系数f，实现对CT系统的金属伪影校正。本发明提供的金属伪影校正算法，能够在SART算法的迭代重建过程中，通过逐网格计算衰减系数f的方法，抑制因投影数据跃变和射束硬化引起的金属伪影，提高重建效果。
-
公开(公告)号：CN113327274B
公开(公告)日：2024-01-30
申请号：CN202110408013.2
申请日：2021-04-15
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种集成分割功能的肺CT图像配准方法及系统，该方法包括以下步骤：S1、数据预处理；S2、建立肺分割‑配准集成网络，所述肺分割‑配准集成网络包括特征编码模块、肺分割模块和肺配准模块；S3、构建肺分割模块；S4、构建肺配准模块；S5、建立用于肺配准的自适应正则约束项：S6、训练肺分割‑配准集成网络；S7、将待配准的肺部4D‑CT图像输入到训练后的肺分割‑配准集成网络中，自动输出配准结果。本发明能够获得滑移和平滑运动模式兼容的理想的肺部位移场，本发明根据像素点位置特征不同，计算自适应正则项，并将两种正则项进行空间加权结合，保障了图像的局部差异和配准精度。
-
公开(公告)号：CN116485690B
公开(公告)日：2023-09-05
申请号：CN202310730802.7
申请日：2023-06-20
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种X射线光栅成像莫尔条纹漂移校准方法及装置，属于X射线光栅成像领域，包括以下步骤：调节光栅形成莫尔条纹；获取背景莫尔条纹相位信息图像；获取检测物体莫尔条纹相位信息图像；获取莫尔条纹相位信息偏移量，基于莫尔条纹相位信息偏移量，对实际检测物体相位信息图像进行补偿以得到不含莫尔条纹漂移伪影的检测物体相位信息图像，从而实现莫尔条纹漂移校准。本发明能够在保证实验效率和检测物体完整视场区域的同时，实现莫尔条纹漂移全局域精确校准，消除伪影，保证成像质量。
-
公开(公告)号：CN111685768B
公开(公告)日：2023-07-04
申请号：CN202010603125.9
申请日：2020-06-29
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明属于磁共振成像技术领域，本发明提供的磁共振T2定量成像和评估方法，包括构建髋关节软骨模体，自定义设置T2弛豫值；选出最优成像序列和最优扫描参数；基于最优成像序列和最优扫描参数，对比不同T2定量算法的精确度，得到最优T2定量拟合算法；对髋关节软骨进行分割，从而获得T2测量值分布和T2‑mapping伪彩图，以此作为磁共振T2定量成像技术临床可行性的参考依据。该方法能够为髋关节软骨的T2定量成像提供最优成像序列及最优扫描参数组合，同时对比了不同T2定量算法的精度，为髋关节软骨的T2定量成像提供最优的定量算法和精度指标，为DDH的临床诊断提供髋关节各部分软骨的T2定量精度的参考依据。
-
公开(公告)号：CN116228690A
公开(公告)日：2023-06-06
申请号：CN202310096370.9
申请日：2023-02-10
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开一种基于PET‑CT的胰腺癌与自身性免疫性胰腺炎自动辅助诊断方法，其包括步骤：分别对PET图像和CT图像进行图像预处理；基于Faster‑Rcnn算法，通过在Resnet50的残差网络中引入注意力机制模块，加入FPN网络构成特征金字塔网络，以及使用ROIAlign替换ROIPooling层，构建改进型检测网络，对经过图像预处理的PET图像和CT图像分别进行目标检测，输出病灶检测结果的18F‑FDGPET/CT图像；构建混合分类模型，对18F‑FDG PET/CT图像进行影像组学特征提取和深度学习特征提取、多模态特征融合、多域特征融合、特征关联性分析，输出病灶分类结果。本发明通过设计改进型检测网络、设计多模态特征融合，实现病灶检测和疾病分类全自动化，不需要医生进行干预。
-
Patent Agency Ranking
公开(公告)号：CN115661515A
公开(公告)日：2023-01-31
申请号：CN202211267805.3
申请日：2022-10-17
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州九龙医院股份有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于分层特征提取和结构感知的三维图像分类器及分类方法，该分类器包括：依次串联的多尺度层内特征提取模块、多尺度跨层特征融合模块、病灶区域自适应提取模块和病灶结构特征提取模块、第一全连接层及第二全连接层。本发明提供了一种基于分层特征提取和结构感知的通用的三维图像分类器及分类方法，能准确高效的提取各向异性分辨率的三维特征并获得准确的分类结果；本发明在对各向异性三维数据进行分类之前，不需要先对其进行插值等统一分辨率的操作，节省了插值过程所耗费的计算量，并且本发明在节省计算量的同时也能提高分类的准确性。本发明可以自适应提取病灶结构信息用于分类，能提高分类准确率。
-
公开(公告)号：CN108537773B
公开(公告)日：2022-06-17
申请号：CN201810141703.4
申请日：2018-02-11
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/00 , G06T5/50 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82 , G06K9/62 , G16H30/20 , G16H50/20
Abstract: 本发明公开了一种针对胰腺癌与胰腺炎性疾病进行智能辅助鉴别的方法，包括对胰腺医学影像数据进行读取和归一化操作，得到归一化图像；对归一化图像进行去噪、配准以及图像融合，得到多模态融合图像；在胰腺结构显示清晰的图像中选取感兴趣区并映射到其他图像上，同时将该感兴趣区保存为后续分类网络可识别的自然图像格式；根据所选取的感兴趣区，对多模态融合图像的特征进行提取、分类和融合，并针对融合后的特征建立基本分类网络模型；对各个基本分类网络的分类结果进行鉴别，获得最终的分类鉴别结果；本发明具有很强的普适性，既适用于临床实际，也可用于胰腺癌及胰腺炎领域的科学研究。
-
公开(公告)号：CN112560911A
公开(公告)日：2021-03-26
申请号：CN202011406385.3
申请日：2020-12-04
Applicant: 中国科学院苏州生物医学工程技术研究所 , 温州市人民医院
Abstract: 本发明公开了一种中医舌图像分类方法及系统，包括以下步骤：1)颜色特征提取；2)裂纹特征提取；3)胖瘦特征提取；4)纹理特征提取；5)基于机器学习的图像分类。本发明能实现中医舌图像的分类，可以有效利用舌象图像特征对中医舌象进行客观分类，从而能为医生的诊断提供客观的辅助信息，以提高诊断准确率并辅助医生实现定量分析。
-
公开(公告)号：CN109725271B
公开(公告)日：2021-03-19
申请号：CN201811631528.3
申请日：2018-12-29
Applicant: 南京国科医工科技发展有限公司 , 中国科学院苏州生物医学工程技术研究所
IPC: G01R33/32
Abstract: 本发明公开了阵列线圈的激发参数确定及激发方法、装置，其中激发参数确定方法包括：获取待激发阵列线圈的模型；模型包括多个元线圈，每个元线圈包括至少一个独立驱动的线圈；确定待产生预期磁场矢量的目标区域与模型的相对位置关系；计算通以预定驱动电流时各个元线圈分别在目标区域产生的磁场矢量；采用预定向量基对将各个元线圈产生的磁场矢量进行分解；筛选出在预定向量基的每个基向量方向上，磁场强度的幅值较大的预定个数个元线圈；利用优化算法求解出当需要在目标区域产生预期磁场矢量时，所筛选出的各个元线圈中需要通以的驱动电流最优值。本发明能够减少待求解的变量的个数，使得求解结果的冗余较少，且极大地减少所耗费的时间。
-
公开(公告)号：CN107505341B
公开(公告)日：2020-10-20
申请号：CN201710829085.8
申请日：2017-09-14
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G01N23/04
Abstract: 本发明公开了一种基于X射线的LED芯片缺陷自动检测设备，其具有X射线检测主体及屏蔽壳体；其中，X射线检测主体具有：X射线源，其产生的X射线照射置于载物台上的待检芯片；探测器，其探测穿过待检芯片的X射线；芯片夹具，其以可脱离的形式定位于载物台上，芯片夹具设有若干个芯片槽；运动平台，其被配置为实现载物台在X、Y和Z三方向上的运动；以及控制系统，其被配置为实时获取运动平台的位置坐标，并按一定路径驱动运动平台。本发明还提供了一种基于X射线的LED芯片缺陷自动检测方法。本发明可将隐藏的芯片内部的缺陷呈现在图像当中，并通过对缺陷部分的自动识别和提取，实现LED芯片的快速、无损和自动化批量检测。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.068 seconds)
