-
公开(公告)号：CN112100838A
公开(公告)日：2020-12-18
申请号：CN202010934627.X
申请日：2020-09-08
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06F30/20 , G06F30/12 , G06F30/17 , G06T17/30 , G06T19/20 , B29C64/393 , B33Y50/02 , G06F113/10
Abstract: 本发明公开了一种三维几何结构约束的增材修复方法，包括以下步骤：1)进行缺陷部件三维扫描，重建出缺陷部件整体的三维点云模型；2)根据获得的三维点云模型对缺陷部件进行三维建模，获取缺陷部件上的缺陷部位的三维实体模型；3)对获得的缺陷部位的三维实体模型进行三维建模切片分层与优化，得到缺陷部位的分层模型；4)进行缺陷部件自动摆位，使缺陷部件以获得的分层模型为基准进行姿态调整；5)对缺陷部件上的缺陷部位进行三维打印修复。本发明的三维几何结构约束的增材修复方法和系统，通过对三维模型分层进行优化，寻找最优的模型姿态，能够减小分层之后的三维模型和原始模型之间的误差，能获得更好的修复效果。
-
公开(公告)号：CN119313687A
公开(公告)日：2025-01-14
申请号：CN202411096859.7
申请日：2024-08-12
Applicant: 苏州大学附属第一医院 , 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明涉及医学图像处理技术领域，尤其涉及基于WB‑DWI的骨髓瘤病灶半自动阈值分割方法及系统，取出原始图像并确定窗宽和窗位，设置为放射科医师适合观察病灶的窗宽、窗位，根据给定窗宽和窗位进行数据归一化；计算背景阈值并去除部分背景；计算病灶阈值并得到可疑病灶；医师质控删减病灶区域，排除T2穿透效应区域。背景阈值采用相对阈值而非绝对阈值，提高了泛化能力和鲁棒性；增加了基于窗宽窗位的数据归一化，执行后病灶阈值可能更为准确，有助于更敏感地检出病变；通过排除Z轴方向指定坐标范围删减C4椎体以上区域，一定程度地减轻了医师的工作量。
-
公开(公告)号：CN118314154A
公开(公告)日：2024-07-09
申请号：CN202410463970.9
申请日：2024-04-17
Applicant: 中国科学院苏州生物医学工程技术研究所 , 南京脑科医院
IPC: G06T7/11 , G06V10/42 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像分割技术领域，公开了一种核磁共振图像分割方法、装置、设备、存储介质及程序产品，该方法包括：构建组织分割网络，组织分割网络包括主编码器、辅编码器以及解码器，其中，主编码器包括查询自适应双层自注意力模块；将待分割图像输入组织分割网络，获得输出的分割图像，其中，通过主编码器中的查询自适应双层自注意力模块将待分割图像中远距离像素之间的关系进行建模并提取像素级特征，通过辅编码器提取待分割图像中的局部特征，将主编码器与辅编码器的输出输入至解码器，整合后输出分割图像。本发明可以同时捕捉全局和局部语义特征，提高分割结果的准确性，且还能在提升分割精度的同时，避免计算复杂度的大幅提升。
-
公开(公告)号：CN112100838B
公开(公告)日：2024-04-02
申请号：CN202010934627.X
申请日：2020-09-08
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06F30/20 , G06F30/12 , G06F30/17 , G06T17/30 , G06T19/20 , B29C64/393 , B33Y50/02 , G06F113/10
Abstract: 本发明公开了一种三维几何结构约束的增材修复方法，包括以下步骤：1)进行缺陷部件三维扫描，重建出缺陷部件整体的三维点云模型；2)根据获得的三维点云模型对缺陷部件进行三维建模，获取缺陷部件上的缺陷部位的三维实体模型；3)对获得的缺陷部位的三维实体模型进行三维建模切片分层与优化，得到缺陷部位的分层模型；4)进行缺陷部件自动摆位，使缺陷部件以获得的分层模型为基准进行姿态调整；5)对缺陷部件上的缺陷部位进行三维打印修复。本发明的三维几何结构约束的增材修复方法和系统，通过对三维模型分层进行优化，寻找最优的模型姿态，能够减小分层之后的三维模型和原始模型之间的误差，能获得更好的修复效果。
-
公开(公告)号：CN117671375A
公开(公告)日：2024-03-08
申请号：CN202311684399.5
申请日：2023-12-08
Applicant: 中国科学院苏州生物医学工程技术研究所 , 南京市中医院
IPC: G06V10/764 , G06V10/40 , G06V10/30
Abstract: 本申请涉及无损测温以及信号处理技术领域，公开了超声测温方法、装置、计算机设备及存储介质，方法包括对于超声图像中任一目标像素，获取目标像素周围的目标邻域图像；对目标邻域图像进行组学特征提取，得到组学特征向量，组学特征向量用于指示目标邻域图像中与温度存在关联关系的特征；利用预训练的温度特征提取模型，提取目标邻域图像的温度特征向量；拼接组学特征向量与温度特征向量，得到目标邻域图像的待预测特征向量；根据参考预测特征向量与温度之间的映射关系，以及待预测特征向量与预获取的参考预测特征向量集合中参考预测特征向量的对应关系，确定待预测特征向量对应的温度也即目标像素的预测温度。提高了超声测温的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116959714A
公开(公告)日：2023-10-27
申请号：CN202310952504.2
申请日：2023-07-31
Applicant: 中国科学院苏州生物医学工程技术研究所 , 无锡市儿童医院
IPC: G16H50/20 , G06V10/764 , G06V10/82 , G06V10/80
Abstract: 本发明涉及一种自闭症谱系障碍分类方法、电子设备及存储介质，该方法包括步骤：对测试集每个被试的T1结构磁共振图像、伪连续动脉自旋图像进行处理，获得特征向量，实现结构脑网络特征、血流脑网络特征的构建；通过结构脑网络特征和血流脑网络特征，构建多模态脑网络特征；将多模态脑网络特征输入最优分类模型，获得分类结果。本发明采用T1结构磁共振图像和伪连续动脉自旋标记图像，构建结构脑网络和血流脑网络特征，反映不同脑区之间皮层厚度变化及脑血流变化的相关性，并将其作为机器学习分类模型的输入；通过t检验方法和最小冗余最大相关特征选择方法，筛选出具有显著性的特征，提高自闭症谱系障碍分类的准确率。
-
公开(公告)号：CN116664933A
公开(公告)日：2023-08-29
申请号：CN202310635932.2
申请日：2023-05-31
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/048 , G06N3/084
Abstract: 本发明涉及图像处理技术领域，公开了图像分类模型构建和图像分类方法、装置及计算机设备，本发明通过将样本集的图像输入至预设神经网络中第一参数预先初始化的特征提取器，得到每一图像对应的特征向量，选取图像对应的特征向量作为预设神经网络中隐含层各神经元的第一节点中心，确定第一宽度，计算第一损失函数，优化第一参数、第一节点中心和第一宽度，使得第一损失函数值最小；基于优化后的第一参数、第一节点中心、第一宽度和预先初始化的预设神经网络中输出层的第一权值，计算输出特征向量属于各类别对应的概率，计算第二损失函数，优化第二节点中心、第二宽度和第一权值，使得第二损失函数值最小，提高了图像分类模型的准确性和可靠性。
-
公开(公告)号：CN110176073B
公开(公告)日：2023-07-04
申请号：CN201910417011.2
申请日：2019-05-20
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种三维缺陷模型自动建模和自适应分层方法，包括以下步骤：1)获取缺陷区域的点云数据；2)建立缺陷区域模型；3)获取最优分层方向；4)根据建立的缺陷区域模型的形状及表面凹凸状况进行自适应变高分层。本发明的三维缺陷模型自动建模和自适应分层方法，能根据提取待修复模型的集合特性，对使用待修复区域模型进行“个性化”分层方法，能根据物体形状及表面凹凸状况进行自适应变高分层，能降低分层所带来的表面精度误差，提高了构建的模型的整体精度。
-
公开(公告)号：CN111242959B
公开(公告)日：2023-06-16
申请号：CN202010042228.2
申请日：2020-01-15
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06V10/26 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/766
Abstract: 本发明公开了一种基于卷积神经网络的多模态医学图像的目标区域提取方法，包括以下步骤：1)构建用于多模态医学图像中目标区域提取的掩模区域卷积神经网络；2)对构建的掩模区域卷积神经网络进行训练；3)将待处理的多模态医学图像输入训练后的掩模区域卷积神经网络进行目标区域提取。本发明能实现多模态医学图像中目标区域的自动精准分割，能克服人工分割目标区域存在的主观差异性问题和耗时费力的缺陷，可提高多模态医学图像中目标区域提取的准确性；本发明通过若干个并行的SE‑Resnet可实现多模态医学图像的特征图像提取，通过将挤压激励块融入特征提取网络能提升医学图像的特征提取效率和多模态医学图像的信息融合效率。
-
公开(公告)号：CN114140648A
公开(公告)日：2022-03-04
申请号：CN202111447451.6
申请日：2021-11-30
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种基于卷积神经网络与课程学习的多模态医学图像分类系统，其包括：图像预处理模块和多尺度卷积神经网络分类器，多尺度卷积神经网络分类器包括Resnet50网络、特征金字塔网络、maskROI模块和注意力模块。Resnet50网络提取输入的图像的特征，并输出至特征金字塔网络处理得到完整的特征图并输出至所述注意力模块；maskROI模块用于向分类器中输入包含感兴趣区域的特定图像；注意力模块得到的特征图与maskROI模块输入的图像相乘后作为结果输出。本发明以课程学习作为网络训练的先验知识能合理利用有限数据，训练过程中，网络的学习难度逐渐增加，使得训练过程更加合理，能得到结果更精准的分类器。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.054 seconds)
