-
公开(公告)号：CN101467887B
公开(公告)日：2011-04-27
申请号：CN200710173878.5
申请日：2007-12-29
Applicant: 复旦大学 , 上海复旦数字医疗科技有限公司
Abstract: 本发明属于医学图像处理及应用领域，涉及一种手术导航系统中X射线透视图像标定方法。本发明获取含有标记点信息的术中X射线透视图像，经滤波减影后，得只含标记点信息的图像后，利用模板匹配、聚类分析以及信息熵统计的方法获得标记点的中心坐标及排列方向，用B样条进行标记点坐标的校正后，进行标定参数的计算。根据得到的成像模型参数进行获得标记点的投影坐标，根据此位置与图像上实际坐标的距离，对图像的所有像素进行校正，获得变形校正后的X射线透视图像，供导航系统使用。该方法实施简单，算法可靠，便于临床应用，能提高导航系统精度。
-
公开(公告)号：CN101467887A
公开(公告)日：2009-07-01
申请号：CN200710173878.5
申请日：2007-12-29
Applicant: 复旦大学 , 上海复旦数字医疗科技有限公司
Abstract: 本发明属于医学图像处理及应用领域，涉及一种手术导航系统中X射线透视图像标定方法。本发明获取含有标记点信息的术中X射线透视图像，经滤波减影后，得只含标记点信息的图像后，利用模板匹配、聚类分析以及信息熵统计的方法获得标记点的中心坐标及排列方向，用B样条进行标记点坐标的校正后，进行标定参数的计算。根据得到的成像模型参数进行获得标记点的投影坐标，根据此位置与图像上实际坐标的距离，对图像的所有像素进行校正，获得变形校正后的X射线透视图像，供导航系统使用。该方法实施简单，算法可靠，便于临床应用，能提高导航系统精度。
-
公开(公告)号：CN119380338A
公开(公告)日：2025-01-28
申请号：CN202411959357.2
申请日：2024-12-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 复旦大学
IPC: G06V20/69 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/762
Abstract: 本发明属于图像分析的技术领域，更具体地，涉及基于多模态大模型的小样本全切片病理图像分类方法、系统及计算机可读存储介质。所述方法包括获取多实例数据集，划分为训练集和测试集；给定由M个全切片病理图像构成的完整病理多实例数据集，每个全切片病理图像包含U个图像块，全切片病理图像具有包级别标签，图像块具有实例级标签；从数据集中选取K个全切片病理图像，并从所选取的每个全切片病理图像中再选取L个图像块，构建为训练数据集；构建双重小样本学习新范式网络模型，并进行学习；最后进行两级别的分类。本发明解决了现有技术需要大量的标注数据，且标注成本高昂，难以在临床应用中推广，难以解决数据稀缺等问题。
-
公开(公告)号：CN117671313A
公开(公告)日：2024-03-08
申请号：CN202210972281.1
申请日：2022-08-15
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/25 , G06V10/82 , G06T7/00 , G06N3/088 , G06N3/0455 , G16H50/20
Abstract: 本发明属于病理图像处理及应用技术领域，涉及一种基于聚类和特征空间修正的病理全切片图像分类方法，其包括，首先，分别将训练集和测试集中所有全切片病理图像切为不重叠的斑块，之后使用掩膜自编码器进行自监督训练并将所有实例都映射到初始特征空间中，然后，基于聚类的特征空间建模方法和基于伪标签的特征空间修正方法，通过特征空间的迭代建模和修正，自动学习到全切片病理图像中的异常斑块，自动完成病理图像的自动诊断和异常区域定位，实现全切片病理图像的自动诊断和异常区域定位。本方法操作简单，具有精度和鲁棒性，节省时间，降低病理诊断的成本。
-
公开(公告)号：CN117636103A
公开(公告)日：2024-03-01
申请号：CN202210972307.2
申请日：2022-08-15
Applicant: 复旦大学
IPC: G06V10/778 , G06V10/774 , G06V10/776 , G06V10/26 , G06V10/40
Abstract: 本发明属于医学图像处理及应用技术领域，涉及用于病理图像标准数据集构建的主动学习方法，包括标准数据集的构建方法及价值样本标注系统。本发明基于主动学习(Active Learning,AL)技术，面向未标注病理图像数据集，衡量其中样本的信息含量，并对样本的标注价值进行排序，然后，将最具有标注价值的样本挑出，送往专家进行标注，组成用于神经网络训练的标准数据集。本方法是解决标注昂贵问题的方案，其可查询有价值的无标注样本进行标注，从而在固定的标注预算下，尽可能地提升训练模型的性能。本方法易推广至其他具有挑战性的人工智能领域，如图像分割、目标检测及图像配准等任务的价值样本挑选，拥有重要和广阔的应用前景。
-
Patent Agency Ranking
-
公开(公告)号：CN103908346B
公开(公告)日：2016-04-20
申请号：CN201210595045.9
申请日：2012-12-31
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用领域，涉及一种高精度自动神经导航空间配准方法。本发明方法中采用基于高斯混合模型的全局优化点集配准方法，将基于激光扫描仪获得的点云与CT获得的点云得到两个点云之间的坐标变换实现初步配准；然后采用无序点自动配准的方法，将初步配准的结果与神经导航中通过CT重建出来的病人空间再次进行配准。使用结果表明，本发明所述的方法实施简单，精度可靠，便于临床应用，可集成在现有导航系统中，从而大幅度提高导航系统精度。
-
公开(公告)号：CN103445863B
公开(公告)日：2015-10-07
申请号：CN201210180342.7
申请日：2012-06-02
Applicant: 复旦大学
Abstract: 本发明属医疗器械领域，涉及手术导航和增强现实技术，具体涉及基于平板电脑的手术导航和增强现实技术，适用于各类神经外科手术导航和现实增强。本发明采用置有用于红外跟踪的参考架，屏幕不低于800X600的分辨率，支持多点触控及手写输入，支持Wi-Fi无线连接方式，不低于8小时电力续航时间的平板电脑与改进的手术导航系统excelim-04或者更高版本的导航仪构成。平板电脑与导航仪通过Wi-Fi无线连接实时通信，将导航仪的数据发送到平板电脑上，同时将平板电脑拍摄的实时手术视频图像进行虚拟图像和实时真实图像叠加并显示在平板电脑的屏幕，实现了实时手术图像和术前扫描的CT或者MRI数据的完全融合，提高了手术效率和精确度，可广泛应用于各类神经外科的手术导航。
-
公开(公告)号：CN103908344A
公开(公告)日：2014-07-09
申请号：CN201210595025.1
申请日：2012-12-31
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及应用领域，涉及一种基于手术导航系统的牵拉变形矫正方法，尤其涉及神经外科手术导航系统中脑组织牵拉变形矫正的方法，本发明方法包括基于MRI的三维自动分割算法，获得目标组织后进行网格化，通过对每一网格单元赋予相应的生物力学属性，建立物理模型。通过跟踪算法间接跟踪受牵拉组织表面，将其作为边界条件并结合物理模型进行扩展有限元计算，获得整个脑组织任意位置的变形，最后采用插回算法更新术前三维数据场用于指导手术。该方法实施简单，精度可靠，可集成在现有导航系统中，从而大幅度提高导航系统精度，有助于临床应用。
-
公开(公告)号：CN103445863A
公开(公告)日：2013-12-18
申请号：CN201210180342.7
申请日：2012-06-02
Applicant: 复旦大学
Abstract: 本发明属医疗器械领域，涉及手术导航和增强现实技术，具体涉及基于平板电脑的手术导航和增强现实技术，适用于各类神经外科手术导航和现实增强。本发明采用置有用于红外跟踪的参考架，屏幕不低于800×600的分辨率，支持多点触控及手写输入，支持Wi-Fi无线连接方式，不低于8小时电力续航时间的平板电脑与改进的手术导航系统excelim-04或者更高版本的导航仪构成。平板电脑与导航仪通过Wi-Fi无线连接实时通信，将导航仪的数据发送到平板电脑上，同时将平板电脑拍摄的实时手术视频图像进行虚拟图像和实时真实图像叠加并显示在平板电脑的屏幕，实现了实时手术图像和术前扫描的CT或者MRI数据的完全融合，提高了手术效率和精确度，可广泛应用于各类神经外科的手术导航。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.026 seconds)
