-
公开(公告)号：CN111415324B
公开(公告)日：2024-03-08
申请号：CN201910737818.4
申请日：2019-08-09
Applicant: 复旦大学附属华山医院
IPC: G06V10/764 , G06T7/136 , G06T7/00
-
公开(公告)号：CN116452860A
公开(公告)日：2023-07-18
申请号：CN202310317407.6
申请日：2023-03-28
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于深度学习和影像组学的分层分类方法及系统，所述方法包括如下步骤：步骤S1：数据收集及目标结构检测，生成目标结构区域的检测框；步骤S2：从目标结构区域检测框内提取组学特征集F1，完成类别A与类别B的分类；步骤S3：基于深度卷积神经网络的目标结构对类别A进行自动分割；步骤S4：基于影像组学完成类别A的亚分类。本发明通过深度学习和机器学习的方法，构建了一套基于特定结构及其周围区域影像特征进行两个层级的自动分类的算法和系统，为与特定结构相关疾病的诊断流程提供了新思路。
-
公开(公告)号：CN116433620A
公开(公告)日：2023-07-14
申请号：CN202310323524.3
申请日：2023-03-29
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于CT图像的骨密度预测及骨质疏松智能筛查方法和系统，包括：进行腰椎CT切片选择，得到目标切片；基于深度卷积神经网络框架构建腰椎椎体自动分割模型，模型输入为目标切片，输出为腰椎椎体的二值分割结果图以及对应的腰椎区域图；基于深度卷积神经网络框架构建腰椎骨密度预测模型，模型输入为双通道图像，输出为腰椎的骨密度值，所述双通道图像由目标切片和腰椎区域图处理后构建；根据骨密度值进行骨质疏松症智能筛查；根据筛查结果以及健康人群骨密度值的统计数据，形成骨质疏松症智能筛查报告。本发明能够有效地完成骨密度的预测和OP的早期筛查，预防骨质疏松性骨折的发生，实现更快捷方便的骨质疏松症筛查。
-
公开(公告)号：CN114187240A
公开(公告)日：2022-03-15
申请号：CN202111403936.5
申请日：2021-11-24
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/11 , G06T7/73 , G06V10/764 , G06V10/70 , G06K9/62 , G06N20/00 , G16H30/40 , G16H50/20 , G16H50/30 , G06F16/215 , G06F21/62
Abstract: 本发明涉及一种多病灶影像处理方法、装置、电子设备及计算机可读介质，方法包括：获取多病灶疾病的影像数据并进行预处理；将影像数据中的所有病灶区域进行分割，获取感兴趣区域，并统计其中单连通病灶区域覆盖的病灶的个数；将影像数据集与感兴趣区域重叠后，通过影像组学方法计算所有单连通病灶区域的影像组学标签；将影像数据集中包含的每个影像的影像组学标签输入机器学习算法，获取单连通病灶的影像组学评分和单连通病灶的分类结果；将各单连通病灶的影像组学评分和单连通病灶的分类结果进行融合，获取多病灶疾病的影像组学评分和多病灶疾病的分类结果。与现有技术相比，本发明具有提高效率、降低标注成本等优点。
-
公开(公告)号：CN104408573A
公开(公告)日：2015-03-11
申请号：CN201410723615.7
申请日：2014-12-03
Applicant: 复旦大学
IPC: G06Q10/06
CPC classification number: G06Q10/0631 , G06Q10/0633
Abstract: 本发明公开了一种基于业务模式的异构业务流程整合方法。主要步骤如下：(1)业务模式的识别；(2)业务模式的配置；(3)业务模式的转化；(4)异构业务流程的监控。首先，分析已有的业务流程模型，提取常见的业务模式；然后，提出基于业务模式的异构业务流程整合，具体思路是将业务流程模型化为业务模式的交互，各业务模式根据具体业务场景进行配置；接着，将各业务模式转化为工作流模式或运作模式的组合，运行于工作流执行引擎或基于Artifact的业务流程执行引擎之上；最后，在业务模式的边界设置复杂事件处理(CEP)点，实现统一的业务视图。本发明方法解决了现有方法无法实现异构业务流程的整合问题。
-
Patent Agency Ranking
公开(公告)号：CN113223699B
公开(公告)日：2024-10-18
申请号：CN202110355578.9
申请日：2021-04-01
Applicant: 复旦大学附属华山医院
IPC: G16H50/70 , G16H50/20 , G16H30/40 , G06V10/764 , G06V10/77 , G06V10/82 , G06V10/26 , G06N3/045 , G06N3/0499 , G06T7/00 , G06T7/73 , A61B34/10
Abstract: 本发明提供了一种构建腰椎骨量减少和骨质疏松筛查模型的方法和系统，包括：步骤1：从双平面成像设备中采集影像数据，获取冠、矢状面影像数据及体检信息并进行预处理；步骤2：对冠、矢状面影像进行椎体分割，得到分割结果；步骤3：根据分割结果和体检信息，构成特征集合；步骤4：基于特征集合进行腰椎骨量减少和骨质疏松筛查模型构建。本发明利用常规体检指标及冠、矢状面影像信息，进行腰椎骨量减少和骨质疏松疾病的筛查，在降低辐射量的同时，为今后快速准确地筛查具有高OP疾病风险的人群提供了理论和实践依据，具有很大的实际应用价值。
-
公开(公告)号：CN116452859A
公开(公告)日：2023-07-18
申请号：CN202310316672.2
申请日：2023-03-28
Applicant: 复旦大学附属华山医院
IPC: G06V10/764 , G06V10/20 , G06V10/40 , G06V10/25 , G06V10/771 , G06T7/00 , G16H50/20
Abstract: 本发明提供了一种基于多模态磁共振成像的帕金森病数据分类方法及系统，包括：获取脑结构磁共振图像、脑扩散加权图像和脑磁敏感加权图像；对脑多模态磁共振影像进行预处理，得到预处理后的脑结构图像、脑扩散图像和脑磁敏感图像；提取脑结构特征，得到结构特征集合；提取脑扩散特征，得到脑扩散特征集合；提取脑磁敏感特征；得到脑磁敏感特征集合；采用一对一策略的多分类模型，进行特征筛选，得到分类结果。本发明提出的PD、非典型性帕金森病和健康对照分类的数据处理分类，对全脑ROI提取多模态特征，并用特征筛选方法确定了对分类有价值的区域和特征，有助于基于影像的PD临床诊断和机制研究，能满足PD智能辅助诊断的需要。
-
公开(公告)号：CN111681184B
公开(公告)日：2023-02-24
申请号：CN202010523058.X
申请日：2020-06-09
Applicant: 复旦大学附属华山医院
Abstract: 本申请实施例提出了一种神经黑色素图像重建方法、装置、电子设备和计算机存储介质，所述神经黑色素图像重建方法包括：获取QSM序列的N组幅值图像；定所述N组幅值图像中的前M组幅值图像；将所述前M组幅值图像中的每一组幅值图像确定为短回波时间的幅值图像；基于所述M组短回波时间的幅值图像进行图像重建，得到所述N组幅值图像对应的神经黑色素图像。由于该神经黑色素图像的重建方法是通过QSM序列所获得的短回波时间的幅值图像所重建的，可以避免在后续的图像处理流程中进行图像的配准，同时，可以实现通过同一次扫描获取包含NM‑MRI序列和QSM两个序列的信息，有利于实际临床检查。
-
公开(公告)号：CN112150477A
公开(公告)日：2020-12-29
申请号：CN201911118499.5
申请日：2019-11-15
Applicant: 复旦大学
Abstract: 本发明提供一种脑影像动脉全自动分割方法及装置，能够对二维或是三维的待测脑影像进行自动的脑血管分割，其特征在于，包括：步骤S1，对待测脑影像进行图像增强；步骤S2，采用预先训练的机器学习分类器以及构建的子类‑参数对照表进行参数自适应选取；步骤S3，根据参数进行阈值分割；步骤S4，自适应颅骨种子点提取；步骤S5，根据参数进行颅骨去除；步骤S6，分析所有连通域的体积并根据参数进行连通域筛选；步骤S7，自适应阈值统计得出上下限阈值；步骤S8，根据上下限阈值区域增长；步骤S9，均匀扩展得到最后的图像分割结果。
-
公开(公告)号：CN111667478A
公开(公告)日：2020-09-15
申请号：CN202010523637.4
申请日：2020-06-10
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于CTA到MRA跨模态预测的颈动脉斑块识别方法，包括以下步骤：数据收集步骤：收集配对的颈动脉CTA和MRA图像数据；斑块分割及模型训练步骤：先进行CTA和MRA颈动脉管腔的定位，然后进行颈动脉斑块的分割，获得CTA和MRA的斑块区域图像，将CTA和MRA的斑块区域图像送到pix2pix或者cycle-GAN网络进行训练，获得初步训练后的模型。本发明设计完整、新颖的算法流程，使用改进的深度学习Multiplan-net算法对CTA图像上的颈动脉管腔、斑块进行自动分割，在此基础上设计优化的对抗生成网络进行CTA数据扩增，从而进一步提高分割精度。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.018 seconds)
