公开(公告)号：CN115797308A

公开(公告)日：2023-03-14

申请号：CN202211594001.4

申请日：2022-12-13

Applicant: 东北林业大学

Inventor： 邱兆文 ,  高欣 ,  周隆熙 ,  丁艺童

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于DCE‑MRI的乳腺肿瘤分割方法，属于医学图像处理技术领域。为解决现有的图像处理方法对低质量DCE‑MRI结果进行乳腺肿瘤分割时，得到的结果往往召回率较低，无法对乳腺肿瘤进行稳定、准确的预测的问题。本发明设计两个阶段的2.5D U‑Net分割模型；将预处理的DCE‑MRI数据输入第一阶分割段模型进行分割，得到每个体素的肿瘤概率掩膜；以心脏作为“健康组织”，根据其被预测为肿瘤的概率定量数据质量，并确定最佳阈值；将得到的肿瘤概率与阈值比较确定可疑区域；将DCE‑MRI数据与第一阶段模型的分割结果输入至第二阶段模型，通过同样的方法对肿瘤进行分割，得到肿瘤分割结果。通过本发明方法，不但极大减小了乳腺肿瘤的搜索范围，且实现了乳腺肿瘤的精准分割。

公开(公告)号：CN114820571A

公开(公告)日：2022-07-29

申请号：CN202210558970.8

申请日：2022-05-21

Applicant: 东北林业大学

Inventor： 邱兆文 ,  高欣 ,  周隆熙 ,  白娜

IPC: G06T7/00 ,  G06T7/11 ,  G06T11/00 ,  G06V10/774 ,  G06K9/62

Abstract: 一种基于DLPE算法的肺炎纤维化量化分析方法，涉及医学图像处理技术，针对肺炎CT扫描结果利用现有图像处理技术无法在原始肺窗下看到全部肺实质病变，也无法排除气管、血管这些有大CT值的组织对病变量化的影响，导致无法对肺炎病变进行准确识别以及对肺炎后遗症的准确预测。具体过程为：步骤一、采集肺部CT数据组，将采集的肺部CT数据组进行归一化；步骤二、设计分割模型，将归一化后的每个CT数据中肺部、呼吸道、血管和可见病变进行分割；步骤三、根据分割结果，确定观察肺实质病变的最佳窗宽窗位，在最佳窗宽窗位下得到增强的CT数据；步骤四、采用2.5D分割算法，并采用human‑in‑the‑loop程序，结合放射科医生对训练结果的标注，建立更强的分割和量化模型。

公开(公告)号：CN115984300A

公开(公告)日：2023-04-18

申请号：CN202211594149.8

申请日：2022-12-13

Applicant: 东北林业大学

Inventor： 邱兆文 ,  李寒 ,  高欣 ,  周隆熙 ,  褚玥潭

IPC: G06T7/11 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种基于平扫CT的肺栓塞识别方法，属于深度学习技术领域。为了解决现有技术中针对肺栓塞多依赖增强CT进行识别，无法针对平扫CT数据进行快速、精准识别肺栓塞的问题。本发明方法通过肺轮廓分割模型对平扫CT图像进行肺轮廓分割；通过血管分割模型对平扫CT的肺部血管进行分割；通过肺栓塞提取模型，以增强CT上的肺栓塞区域作为金标准对平扫CT肺栓塞区域进行标记，通过考虑肺栓塞与血管的CT值差异、肺栓塞引起的血管形态特征对平扫CT的肺栓塞进行分割确定栓塞可疑区域，通过最小化可疑区域与金标准之间的差异对模型进行优化，采用优化的模型对平扫CT进行肺栓塞分割。本发明可达到较高的基于平扫CT预测肺栓塞的敏感性和准确性。

公开(公告)号：CN114820571B

公开(公告)日：2023-05-30

申请号：CN202210558970.8

申请日：2022-05-21

Applicant: 东北林业大学

Inventor： 邱兆文 ,  高欣 ,  周隆熙 ,  白娜

IPC: G06T7/00 ,  G06T7/11 ,  G06T11/00 ,  G06V10/774