-
公开(公告)号：CN114399634A
公开(公告)日：2022-04-26
申请号：CN202210267031.8
申请日：2022-03-18
Applicant: 之江实验室
IPC: G06V10/25 , G06K9/62 , G06T7/00 , G06T7/11 , G16H30/20 , G06V10/764 , G06V10/762
Abstract: 本发明公开了一种基于弱监督学习的三维图像分类方法、系统、设备及介质，本发明采用多示例学习，使用具体切片标签的数据集进行网络训练，采用迁移学习来进行三维图像的特征提取，随后构建一种基于双阶段注意力的多示例学习分类网络，实现了三维图像的快速准确分类。本发明采用一种弱监督策略，无需大量标注的数据集，减少了数据收集与前期处理的工作量，同时提出的基于双阶段注意力的分类网络，相比于其它深度学习分类方法，大幅的提升了分类速度与分类准确率，且具有更高的适应性和鲁棒性，具有更高的实用性。
-
公开(公告)号：CN114360718A
公开(公告)日：2022-04-15
申请号：CN202210231670.9
申请日：2022-03-10
Applicant: 之江实验室
Abstract: 本发明公开了一种基于特征拟合的PET/CT自动肺癌诊断分类系统及构建方法，该系统包括特征提取单元，用于依据PET/CT图像提取获得肿瘤的第一特征；特征拟合单元，用于依据PET/CT图像拟合所述PET/CT图像对应病理图像中的特征，获得肿瘤的第二特征；肺癌诊断分类单元，用于联合第一特征和第二特征进行肺癌诊断分类。本发明通过使用PET/CT的特征来拟合相匹配的病理特征的方式，提高单纯使用PET/CT影像信息特征得到的诊断精度，有利于现有的仅基于影像学的智能诊断的推广应用，提高临床医生的诊断效率。通过本发明，可以在患者进行手术前更好的了解到肿瘤的情况，从而可以更好的协助医生为患者提供精准的治疗方案，减少患者的创伤。
-
公开(公告)号：CN113838161B
公开(公告)日：2022-02-22
申请号：CN202111413375.7
申请日：2021-11-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于图学习的稀疏投影重建方法，属于医学影像领域。该方法通过在投影重建方法中每次迭代的过程中进行一次全局随机采样，获取每个像素点的全局随机采样点；再根据门函数进行随机点的相似筛选；最后利用这些相似的随机点通过图学习的方法修正每个像素点的像素值。以此来消除因为硬件原因或者稀疏重建方法本身所导致的形状伪影。通过本发明，可以在传统的投影重建方法中直接引入该方法，用于修复稀疏角度导致的重建后图像中的形状伪影，大大的提升成像质量。
-
公开(公告)号：CN113516210B
公开(公告)日：2021-12-17
申请号：CN202111075570.3
申请日：2021-09-14
Applicant: 之江实验室
Abstract: 本发明提供了一种基于PET/CT的肺腺癌鳞癌诊断模型训练方法及装置，本发明使用多任务学习的方法，通过基于病理图像的诊断分类训练获得的神经网络提取病理特征，来辅助训练基于PET/CT图像的诊断分类神经网络。本发明提高了基于PET/CT图像的肺癌诊断分类精度，同时病理图像仅用作训练过程中的先验知识，在实际应用中并不需要用作网络的输入。此方法通过多尺度融合的理念，提高了PET/CT图像用作肺癌诊断分类的精度，有利于其作为早期肺癌诊断的手段得到进一步推广与应用，为临床医师对患者的诊断以及后续治疗方案提供帮助；与此同时，病理图像作为先验知识辅助的方案，也进一步提升了病理切片的可解释性，有助于病理科医师对于病理特征的进一步提取。
-
公开(公告)号：CN112598669B
公开(公告)日：2021-06-01
申请号：CN202110241193.X
申请日：2021-03-04
Applicant: 之江实验室
Abstract: 本发明公开了一种基于数字人技术的肺叶分割方法，该方法通过数字人图像和临床上患者的肺部图像进行非刚性配准，得到变形场和形变后的数字人图像，采用形变后的数字人图像拟合出数字人的形状参数并根据形状参数生成新的数字人图像，再将新的数字人图像与患者肺部图像不断迭代配准和更新，得到更接近于患者肺部图像的数字人图像，最后将数字人图像与患者肺部图像进行非刚性配准并获得变形场，将变形场加到数字人肺叶的边界点云或掩模图像上，得到的结果即为本方法得到的肺叶分割结果。本发明方法首次利用数字人模型进行医学图像中器官分割，本发明方法可以有效提高患者图像存在异常或病变情形下肺叶分割的精度和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN112508949B
公开(公告)日：2021-05-11
申请号：CN202110135783.4
申请日：2021-02-01
Applicant: 之江实验室
Abstract: 本发明公开了一种SPECT三维重建图像左心室自动分割的方法，通过对原始SPECT胸部三维图像线性插值进行等比例缩小，利用特征提取网络对缩小后图像提取刚性配准参数特征，利用空间变换网络及参数特征对SPECT图像进行自动转向获得标准视图的预测图像，从预测图像中切割中心部位获取心脏图像，并通过U‑NET网络进行图像自动分割获得标准视图下的左心室结构分割结果。本发明使用多任务学习的深度学习网络同步提取图像的位置特征和语义特征，并利用双网络特征的互相监督达到网络一体化训练的效果实现不同角度到标准视图的一体化自动转向、心脏定位及左心室的结构分割，减少了手动转向、分割的复杂性和人为误差，实现了图像操作的全自动并提高了准确性。
-
公开(公告)号：CN112508949A
公开(公告)日：2021-03-16
申请号：CN202110135783.4
申请日：2021-02-01
Applicant: 之江实验室
Abstract: 本发明公开了一种SPECT三维重建图像左心室自动分割的方法，通过对原始SPECT胸部三维图像线性插值进行等比例缩小，利用特征提取网络对缩小后图像提取刚性配准参数特征，利用空间变换网络及参数特征对SPECT图像进行自动转向获得标准视图的预测图像，从预测图像中切割中心部位获取心脏图像，并通过U‑NET网络进行图像自动分割获得标准视图下的左心室结构分割结果。本发明使用多任务学习的深度学习网络同步提取图像的位置特征和语义特征，并利用双网络特征的互相监督达到网络一体化训练的效果实现不同角度到标准视图的一体化自动转向、心脏定位及左心室的结构分割，减少了手动转向、分割的复杂性和人为误差，实现了图像操作的全自动并提高了准确性。
-
公开(公告)号：CN112258642A
公开(公告)日：2021-01-22
申请号：CN202011522344.0
申请日：2020-12-21
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了基于深度学习的低剂量PET数据三维迭代更新重建方法，该方法是从低剂量PET原始数据出发的，基于深度学习的联合迭代更新重建方法，该方法利用三维深度神经网络拟合原始数据反投影laminogram与PET重建图像之间的正、逆映射，从训练样本中学习标准剂量先验知识并将其应用于迭代更新标准剂量laminogram和PET三维重建图像，以获取比传统重建方法以及图像域降噪处理噪声更低，分辨率更高,无伪影的PET重建图像。
-
公开(公告)号：CN111325686A
公开(公告)日：2020-06-23
申请号：CN202010087761.0
申请日：2020-02-11
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了一种基于深度学习的低剂量PET三维重建方法，该方法包括将低剂量PET原始数据无损反投影至图像域，选取适当的三维深度神经网络结构以拟合低剂量PET反投影到标准剂量PET图像之间的映射，通过训练样本学习并固定网络参数后，实现从低剂量PET原始数据出发的PET图像三维重建，以获取比传统重建算法与图像域降噪处理噪声更低，分辨率更高的低剂量PET重建图像。
-
公开(公告)号：CN118365793A
公开(公告)日：2024-07-19
申请号：CN202410507749.9
申请日：2024-04-25
Applicant: 之江实验室
Abstract: 本申请涉及一种基于黎曼流形的肘关节分型方法、装置、设备和存储介质。所述方法包括：建立肘关节模板的第一三维模型以及多个目标肘关节的第二三维模型；对所述第一三维模型进行网格化，获取网格模板，并建立各所述第二三维模型与第一三维模型之间的特征点对应关系；基于各所述特征点对应关系以及网格模板，对各所述第二三维模型进行网格化，生成对应的网格模型；将各所述网格模型投影到黎曼流形上，提取各所述目标肘关节的全局形状特征；基于所述全局形状特征，利用聚类算法将各所述第二三维模型划分为若干个簇，得到各所述目标肘关节的分型结果。采用本方法能够量化和捕捉肘关节形状之间的潜在差异，实现按照全局形态相似度对肘关节进行分型。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.022 seconds)
