-
公开(公告)号：CN110634546A
公开(公告)日：2019-12-31
申请号：CN201910748171.5
申请日：2019-08-14
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明属于医疗信息数据处理技术领域，具体涉及一种电子病历文本规范化检测方法。本发明提供的电子病历文本规范化检测方法，首先利用自然语言处理技术将原始文本分词并识别原始文本中的医疗实体，其次将相关的现象与症状信息关联成一个集合，通过实体与实体对应的描述信息组成规范化的描述短语，以构建为身体部位、现象与症状、定性描述和/或定量描述的三元组集合，最后根据几种病历文本中出现的错误类型分别对三元组集合进行筛查，以识别新录入电子病历文本中可能出现的错误。
-
公开(公告)号：CN109984843A
公开(公告)日：2019-07-09
申请号：CN201910212954.1
申请日：2019-03-20
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种骨折闭合复位导航系统及方法，该系统包括磁定位仪模块和计算机软件模块；所述磁定位仪模块包括磁定位仪传感器、跟踪源、探针；所述计算机软件模块包括：三维重建模块、坐标统一模块和骨折复位导航模块。本发明通过磁定位仪实时获取空间位置，减少了医生和患者接受X光照射次数，降低了医患损伤；本发明通过磁定位仪实时采集断骨的空间数据并实时移动计算机软件模块中渲染出的三维骨折模型，可以实时监控断骨位置，复位导航显示更直观；本发明能充分结合医学图像信息、空间定位技术及三维可视化技术，能提高复位精度与效率。
-
公开(公告)号：CN109410166A
公开(公告)日：2019-03-01
申请号：CN201811004889.5
申请日：2018-08-30
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种用于肺实质CT图像的全自动分割方法，其特征在于，包括以下步骤：1)肺实质模板初步提取；2)左右肺全自动分离；3)纵膈面平滑；4)肋面平滑。本发明设计了一种用于肺实质CT图像的全自动分割方法，可实现肺部CT图像全自动精确分割，有助于辅助临床医生诊断肺部疾病，大大减少医生的工作量和操作时间，更快更准确地检查出肺部疾病。本发明在得到初步肺实质模板后，进行左右肺全自动分离、纵膈面平滑、肋面平滑的操作，保证了分割结果的准确性、完整性和鲁棒性，辅助临床医生诊断肺部疾病；本发明全部过程无需手工标定和设置参数，确保了肺实质CT图像分割方法的广泛性和普遍性。
-
公开(公告)号：CN105395196B
公开(公告)日：2018-07-27
申请号：CN201510946184.5
申请日：2015-12-17
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: A61B5/0478 , A61B5/055 , G06T7/33 , G06T7/73
Abstract: 本发明公开了种电极帽,其包括:电极帽本体;若干个第电极;若干个第位置传感器;基准坐标测量装置;微处理器;其中,所述电极为EEG或MEG电极。本发明还公开了将电极帽得到的EEG或MEG电极坐标定位到脑MR图像中的方法,包括:大脑表面分割,大脑表面和EEG/MEG电极坐标分别到标准头模型的映射,以及在标准头模型空间中大脑灰质表面和EEG/MEG电极的配准。本发明通过使用含有位置传感器的EEG/MEG电极帽和曲面配准技术,克服了传统方法只能使用刚性匹配方法在MR图像中定位EEG/MEG电极位置,大幅提高了EEG/MEG在脑MR图像中的定位精度。
-
公开(公告)号：CN106063726A
公开(公告)日：2016-11-02
申请号：CN201610347648.5
申请日：2016-05-24
Applicant: 中国科学院苏州生物医学工程技术研究所
CPC classification number: A61B17/3403 , A61B2017/3413
Abstract: 本发明公开一种实时穿刺导航系统，其包括：穿刺针；上位机，显示基于术前磁共振图像和术中超声图像相融合的多模态影像的穿刺导航空间；超声探测装置，其包括超声探头和超声成像设备，超声探头将采集的超声数据发送给超声成像设备处理后输出术中超声图像进行显示并发送至上位机；空间配准装置，其具有磁定位仪和标定体模，磁定位仪接收器通过探头夹具固定在超声探头上；标定体模标定磁定位仪接收器与术中超声图像平面的对应位置；磁定位仪接收器采集超声探头的空间位置进而得到术中超声图像平面的空间位置；连接到上位机和穿刺针的增强现实眼镜。本发明无需特定的超声探头和成像设备，不局限于特定的穿刺部位，穿刺导航的便利性和准确性较高。
-
Patent Agency Ranking
公开(公告)号：CN104027124B
公开(公告)日：2016-06-08
申请号：CN201410239789.6
申请日：2014-05-30
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: A61B6/00
Abstract: 本发明公开了一种多功能X射线骨密度仪，包括机架、导轨、U型臂、X射线发生装置、X射线探测器、X射线屏蔽装置、运动系统、控制系统和显示系统；导轨设置于机架上表面，U型臂设置于导轨上，运动系统设置于机架的一端，并与导轨连接，控制系统设置于机架的另一端，与显示系统连接，显示系统独立设置或设置于机架上，X射线发生装置设置于U型臂的U型一端，X射线探测器设置于U型臂的U型另一端，与X射线发生装置的高度一致，X射线屏蔽装置设置于U型臂的X射线探测器一侧。本发明提供的多功能X射线骨密度仪使用方便，可以实现四肢骨折诊断、骨密度测定和骨质疏松症预测和诊断功能，避免了大型设备使用带来的不便。
-
公开(公告)号：CN103978789A
公开(公告)日：2014-08-13
申请号：CN201410218464.X
申请日：2014-05-22
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明提供了一种基于3D打印的头部医学模型快速成型方法，发明内容包括：使用CT/MR多模态医学图像，快速地为头部组织/器官建立三维模型，使用3D打印方法对三维模型进行快速成型，其步骤操作包括：（1）使用多模态图像配准技术，将CT/MR图像配准到统一的空间坐标系中；（2）根据CT/MR图像提供的医学信息，提取头部的不同组织/器官；（3）为提取的组织/器官建立三维模型；（4）对三维模型进行逐层分层，得到分层后的横截面数据，并根据横截面数据进行3D打印。本发明可根据CT/MR图像对头部组织/器官进行快速、精确地建模，可有效提高头部医学模型的制作速度和精度，并可以提供定制化和个性化的头部医学模型。
-
公开(公告)号：CN120031893A
公开(公告)日：2025-05-23
申请号：CN202411994994.3
申请日：2024-12-31
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州市中医医院
IPC: G06T7/11 , G06V10/40 , G06V10/762 , G06T5/50 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本公开关于一种病灶分割方法、装置和电子设备，该方法包括确定目标对象对应的至少一个预设构型和基于至少一个预设对象中每一预设对象在至少一个预设磁共振信号下的至少一个预设磁共振图像和每一预设对象在至少一个预设磁共振信号下的至少一个预设磁共振图像对应标注图像的重叠度确定的至少一个目标磁共振信号；对至少一个目标磁共振图像进行构型识别，确定至少一个目标构型；基于至少一个目标磁共振信号和至少一个目标构型，确定至少一个目标分割模型；将至少一个目标磁共振图像输入至少一个目标分割模型分割，对得到的至少一个病灶分割图像进行加权处理，得到目标病灶分割图像。利用本公开实施例可以提升病灶分割的效率和准确性。
-
公开(公告)号：CN119810226A
公开(公告)日：2025-04-11
申请号：CN202411771578.7
申请日：2024-12-04
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T11/00 , G06T3/4053 , G06T3/4046 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/54
Abstract: 本发明提供基于隐表示模型的脑磁共振图像超分辨率重建方法及系统，包括步骤：获取不同层厚的各向异性脑磁共振图像，分为训练数据和测试数据；对脑磁共振图像进行预处理；对预处理后的训练数据进行处理，以生成训练样本；采用训练样本对基于隐表示模型的超分辨率重建模型进行训练；将预处理后的测试数据输入训练好的模型，进行堆叠得到三维图像，再进行平均，最终得到各向同性脑磁共振图像。本发明使用深度学习超分辨率重建方法进行不同层厚各向异性脑磁共振图像的超分辨率重建，通过设计基于隐表示模型的可学习坐标编码模块，充分利用图像特征和坐标信息间的相关性，设计了混合损失函数，提升不同层厚各向异性脑磁共振图像超分辨率重建的准确性。
-
公开(公告)号：CN113052849B
公开(公告)日：2024-01-26
申请号：CN202110409678.5
申请日：2021-04-16
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州科技城医院
IPC: G06T7/10 , G06T3/60 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种腹部组织图像自动分割方法及系统，该方法包括以下步骤：1)构建第一训练数据集；2)利用所述第一训练数据集对3D U‑Net网络进行训练，得到腹部组织自动分割模型；3)构建用于肿瘤分割任务的第二训练数据集；4)利用所述第二训练数据集对DeepLab V3+网络进行训练，得到肿瘤自动分割模型；5)将所述腹部组织自动分割模型和肿瘤自动分割模型级联，得到腹部组织自动分割模型；6)将待分割的腹部扫描图像输入腹部组织自动分割模型，自动得到腹部组织分割图像和肿瘤分割图像。本发明的腹部组织图像自动分割方法能够对形态多变的腹部组织和肿瘤进行分割，在低对比度和边缘模糊的情况下取得良好的分割精度。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.085 seconds)
