-
公开(公告)号：CN112288752B
公开(公告)日：2021-08-27
申请号：CN202011181703.0
申请日：2020-10-29
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种基于胸部平扫CT的冠脉钙化灶全自动分割方法，包括以下步骤：对原始胸部平扫CT图像进行预处理，得到预处理数据；将预处理数据输入到心脏分割模型中，对原始胸部平扫CT图像中的心脏区域进行分割，得到与原始胸部平扫CT图像对应的包含心脏区域的心脏分割图像；在心脏区域筛选疑似冠脉钙化灶；从筛选出的疑似冠脉钙化灶中提取多个候选样本块；以及基于多个候选样本块及其在原始胸部平扫CT图像对应的坐标系中的对应坐标，利用钙化灶分割模型获得候选样本块的冠脉钙化灶分割结果。本发明的方法采取coarse‑to‑fine的策略，使用两阶段深度神经网络实现了基于胸部平扫CT的冠脉钙化灶全自动分割，对于噪声较大的数据也能取得很好的分割结果。
-
公开(公告)号：CN112259227B
公开(公告)日：2021-08-27
申请号：CN202011185673.0
申请日：2020-10-29
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种评估SLE病人心肌受累的量化指标的计算方法和系统，所述方法包括以下步骤：对SLE病人心脏的原始T1 mapping图像数据和原始CINE图像数据进行预处理，得到预处理T1 mapping图像数据和预处理CINE图像数据；将预处理T1 mapping图像数据输入到预先训练好的T1 mapping图像特征提取模型中以提取T1 mapping图像特征，并且将预处理CINE图像数据输入到预先训练好的CINE图像特征提取模型中以提取CINE图像特征；以及基于T1 mapping图像特征和CINE图像特征计算出用于评估SLE病人心肌受累的多个量化指标。本发明采用深度学习技术通过未增强的T1 mapping图像和CINE图像计算出用于评估SLE病人心肌受累的量化指标，以此能够准确诊断SLE患者的心肌受累，避免了使用LGE图像进行诊断给SLE患者肾脏造成损伤。
-
公开(公告)号：CN113012173A
公开(公告)日：2021-06-22
申请号：CN202110391121.3
申请日：2021-04-12
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明提供一种基于心脏MRI的心脏分割模型和病理分类模型训练、心脏分割、病理分类方法及装置，所述心脏分割模型训练方法通过标准差滤波器对像素灰度变化不大的剩余背景部分进行抑制，突出左心室、右心室和心肌，进一步通过canny边缘检测和圆形霍夫变换获取左心室心肌壁中心位置并绘制矩形掩膜，基于矩形掩膜对二维图像进行裁剪作为训预设神经网络模型的输入进行训练，能够极大抑制背景干扰，促进神经网络训练快速收敛。所示病理分类模型训练方法基于心脏分割模型对心动周期内各帧心脏磁共振成像短轴切分得到的二维图像进行分割后，计算分类特征值，并基于多个样本的分类特征值和病理分类构建随机森林以得到心脏病理分类模型，实现自动化病理分类。
-
公开(公告)号：CN112288752A
公开(公告)日：2021-01-29
申请号：CN202011181703.0
申请日：2020-10-29
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种基于胸部平扫CT的冠脉钙化灶全自动分割方法，包括以下步骤：对原始胸部平扫CT图像进行预处理，得到预处理数据；将预处理数据输入到心脏分割模型中，对原始胸部平扫CT图像中的心脏区域进行分割，得到与原始胸部平扫CT图像对应的包含心脏区域的心脏分割图像；在心脏区域筛选疑似冠脉钙化灶；从筛选出的疑似冠脉钙化灶中提取多个候选样本块；以及基于多个候选样本块及其在原始胸部平扫CT图像对应的坐标系中的对应坐标，利用钙化灶分割模型获得候选样本块的冠脉钙化灶分割结果。本发明的方法采取coarse‑to‑fine的策略，使用两阶段深度神经网络实现了基于胸部平扫CT的冠脉钙化灶全自动分割，对于噪声较大的数据也能取得很好的分割结果。
-
公开(公告)号：CN112259227A
公开(公告)日：2021-01-22
申请号：CN202011185673.0
申请日：2020-10-29
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种评估SLE病人心肌受累的量化指标的计算方法和系统，所述方法包括以下步骤：对SLE病人心脏的原始T1 mapping图像数据和原始CINE图像数据进行预处理，得到预处理T1 mapping图像数据和预处理CINE图像数据；将预处理T1 mapping图像数据输入到预先训练好的T1 mapping图像特征提取模型中以提取T1 mapping图像特征，并且将预处理CINE图像数据输入到预先训练好的CINE图像特征提取模型中以提取CINE图像特征；以及基于T1 mapping图像特征和CINE图像特征计算出用于评估SLE病人心肌受累的多个量化指标。本发明采用深度学习技术通过未增强的T1 mapping图像和CINE图像计算出用于评估SLE病人心肌受累的量化指标，以此能够准确诊断SLE患者的心肌受累，避免了使用LGE图像进行诊断给SLE患者肾脏造成损伤。
-
Patent Agency Ranking
公开(公告)号：CN119380327A
公开(公告)日：2025-01-28
申请号：CN202411410865.5
申请日：2024-10-10
Applicant: 中国医学科学院北京协和医院 , 北京联影智能影像技术研究院
IPC: G06V20/64 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/045 , G06V10/40
Abstract: 本申请公开了一种基于多模态大模型的冠状动脉易损斑块识别方法及装置。所述方法包括：获取待识别三维冠脉CCTA图像、待识别SCPR图像；获取血管上的斑块掩膜信息；获取基本斑块数据；获取各斑块区域的流体力学数据；获取临床检测基本信息；将原始三维冠脉CCTA图像、待识别SCPR图像、斑块掩膜信息、基本斑块数据以及流体力学数据进行特征提取并进行特征融合，从而获取第一融合数据；将第一融合数据与所述临床检测基本信息进行融合，从而获取第二融合数据；获取易损斑块识别大模型；将第二融合数据输入至易损斑块识别大模型从而获取识别结果。本申请通过将斑块特征、流体力学特征和文本特征相融合，解决传统的单图像特征表达能力差，识别性能低的问题。
-
公开(公告)号：CN117455878A
公开(公告)日：2024-01-26
申请号：CN202311473400.X
申请日：2023-11-08
Applicant: 中国医学科学院北京协和医院 , 北京联影智能影像技术研究院
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/0499 , G06N3/045 , G06V10/82 , G06V10/46 , G06V10/764
Abstract: 本发明涉及医学工程领域，公开了一种基于CCTA图像的冠状动脉易损斑块识别方法及系统。本发明方法首先基于已有的冠状动脉分割分段模型得到分段好的血管掩膜，同时提取血管中心线后，获得SCPR图像。然后针对SCPR图像上的每个斑块，将该斑块范围内每层探针图像转换为普通图像格式，输入本发明提出的基于ViT模型的冠状动脉易损斑块识别模型，输出易损斑块征象的概率，然后获得易损斑块识别结果。本发明提出的冠状动脉易损斑块识别模型能够捕捉整张影像中的全部信息，其中的注意力机制可以重点关注斑块不同探针图像的区域，有助于高效获取易损斑块征象的视觉特征，提高易损斑块识别的鲁棒性。为临床应用提供了可能性，提高了诊断报告的完整性和丰富性。
-
公开(公告)号：CN117198514A
公开(公告)日：2023-12-08
申请号：CN202311473361.3
申请日：2023-11-08
Applicant: 中国医学科学院北京协和医院 , 北京联影智能影像技术研究院
IPC: G16H50/20 , G16H15/00 , G06F18/24 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0985 , G06T7/00 , G06V10/44 , G06F40/20
Abstract: 本发明涉及医学工程领域，针对易损斑块对主要心血管不良事件的影响以及目前基于图像领域自动识别易损斑块研究的现状，提供了一种基于CLIP模型的易损斑块识别方法和系统。本发明构建的易损斑块识别网络模型在CLIP模型的基础上，引入了BN层和Dropout层分别对文本特征和图像特征做处理，减少了过拟合。另外，考虑到部分易损斑块的特征判断极具主观性，金标准标签易混入噪声，本发明采用bootstrapping loss代替标准的交叉熵损失函数,在bootstrapping loss公式中引入了预测标签，降低了噪声样本的loss值，间接影响了的更新，如果预测值为真实值，则loss为0，正常样本仍可获得有效训练。
-
公开(公告)号：CN116109524B
公开(公告)日：2023-06-16
申请号：CN202310375493.6
申请日：2023-04-11
Applicant: 中国医学科学院北京协和医院 , 上海联影医疗科技股份有限公司
Abstract: 本发明涉及图像处理技术领域，具体涉及磁共振图像通道合并方法、装置、电子设备及存储介质。包括：对多个通道的磁共振图像进行去噪处理，得到对应的去噪后图像；基于所述多个通道的磁共振图像以及所述去噪后图像，确定通道合并权重；基于所述通道合并权重，对所述去噪后图像进行通道合并，得到磁共振目标图像。本发明在进行通道合并时，在低信噪比区域降低噪声的均值和方差，提高信噪比，改善通道合并效果。
-
公开(公告)号：CN116109524A
公开(公告)日：2023-05-12
申请号：CN202310375493.6
申请日：2023-04-11
Applicant: 中国医学科学院北京协和医院 , 上海联影医疗科技股份有限公司
Abstract: 本发明涉及图像处理技术领域，具体涉及磁共振图像通道合并方法、装置、电子设备及存储介质。包括：对多个通道的磁共振图像进行去噪处理，得到对应的去噪后图像；基于所述多个通道的磁共振图像以及所述去噪后图像，确定通道合并权重；基于所述通道合并权重，对所述去噪后图像进行通道合并，得到磁共振目标图像。本发明在进行通道合并时，在低信噪比区域降低噪声的均值和方差，提高信噪比，改善通道合并效果。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.039 seconds)
