-
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
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：CN115558265A
公开(公告)日：2023-01-03
申请号：CN202211255083.X
申请日：2022-10-13
Applicant: 东北林业大学
Abstract: 一种钢韧兼备的3D打印人体器官模型材料及其制造方法，它涉及材料加工技术领域，具体涉及一种人体器官模型材料及其制造方法。本发明的目的是要解决现有3D打印材料韧性不足，导致无法完成打印人体器官模型中血管及周边毗邻组织的形状的问题。一种钢韧兼备的3D打印人体器官模型材料以绿色可降解聚合物、木质纤维、润滑剂、偶联改性剂和相容剂为原料制成。制造方法：一、称取；二、混合；三、造粒；四、拉丝；五、3D打印，得到钢韧兼备的3D打印人体器官模型。优点：解决人体器官模型中血管及周边毗邻组织的打印需求。绿色环保、高效节能。本发明主要用于制备钢韧兼备的3D打印人体器官模型材料。
-
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
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：CN116051609A
公开(公告)日：2023-05-02
申请号：CN202310062802.4
申请日：2023-01-18
Applicant: 东北林业大学
Abstract: 本发明提供了一种基于带限变形傅里叶网络的无监督医学图像配准方法，属于医学图像处理技术领域，为解决目前基于自编码器结构的配准模型中存在的冗余的模块所带来的配准速度不够快，同时无法达到较高精度的问题。本发明基于带限变形傅里叶网络的无监督网络模型包括编码器模块、解码器模块和Warping模块；可将浮动图像和固定图像编码为带限傅里叶域中的形变场的低维特征图；再将其从带限傅里叶域重构到全分辨率空间域上生成形变场；最后，将浮动图像和形变场输入空间变换网络中，得到配准图像；通过计算配准图像与固定图像之间的相似性损失以及形变场的正则化平滑损失，训练网络模型。本发明方法具有更快的训练和配准速度，同时达到更精准的配准结果。
-
公开(公告)号：CN117197162A
公开(公告)日：2023-12-08
申请号：CN202311260408.8
申请日：2023-09-27
Applicant: 东北林业大学
IPC: G06T7/11 , G06N3/0464 , G06T7/73
Abstract: 本发明一种基于差分卷积的颅内出血CT图像分割方法，属于图像处理技术领域，为解决现有方法对于切片间的上下文信息提取不够充分，难以对多变性的颅内出血病灶的CT图像进行准确分割的问题。包括：S1、构建颅内出血CT图像数据集；S2、对数据进行归一化处理，包括空间归一化和信号归一化；S3、构建颅内出血CT图像分割网络模型，所述模型基于3D U‑Net网络，模型构建有3D CDC模块，以实现挖掘CT图像数据中切片间的上下文信息，还构建有3D CA注意力模块，在通道注意力中嵌入位置信息，使网络更加关注有效的脑血肿区域；S4、采用所述颅内出血CT图像分割网络模型对颅内出血CT图像的出血病灶进行分割。本发明模型具有较高的分割精度。
-
Patent Agency Ranking
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
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：CN112687131A
公开(公告)日：2021-04-20
申请号：CN202011596981.2
申请日：2020-12-29
Applicant: 东北林业大学
Abstract: 一种基于HoloLens的3D经络循行可视化教学系统，涉及混合现实技术领域，用以解决现有技术对于人体经络穴位的3D显示中不能动态显示经络循行以及不能交互的问题。该系统通过3D模型建立模块采用3Dmax建立人体3D结构模型，通过模型显示模块即HoloLens显示设备显示人体经络、穴位与人体组织的全息影像，并通过人机交互模块使用户方便通过手势或者语音与系统进行交互，在交互过程中对人体3D模型进行任意拆分、缩放、旋转、移动、深度切割等操作，采用混合现实技术并添加动画技术展示人体穴位、人体经络及部分经络循行，可以使用户更好的理解穴位及经络的空间结构和位置关系，从而实现医学信息的精确传递与共享。本发明为中医理论的教学提供了可交互的混合现实数字化平台。
-
公开(公告)号：CN117197162B
公开(公告)日：2024-04-09
申请号：CN202311260408.8
申请日：2023-09-27
Applicant: 东北林业大学
IPC: G06T7/11 , G06N3/0464 , G06T7/73
Abstract: 本发明一种基于差分卷积的颅内出血CT图像分割方法，属于图像处理技术领域，为解决现有方法对于切片间的上下文信息提取不够充分，难以对多变性的颅内出血病灶的CT图像进行准确分割的问题。包括：S1、构建颅内出血CT图像数据集；S2、对数据进行归一化处理，包括空间归一化和信号归一化；S3、构建颅内出血CT图像分割网络模型，所述模型基于3D U‑Net网络，模型构建有3D CDC模块，以实现挖掘CT图像数据中切片间的上下文信息，还构建有3D CA注意力模块，在通道注意力中嵌入位置信息，使网络更加关注有效的脑血肿区域；S4、采用所述颅内出血CT图像分割网络模型对颅内出血CT图像的出血病灶进行分割。本发明模型具有较高的分割精度。
-
公开(公告)号：CN116091561A
公开(公告)日：2023-05-09
申请号：CN202310062737.5
申请日：2023-01-18
Applicant: 东北林业大学
IPC: G06T7/30 , G06T7/00 , G06T5/00 , G06F17/11 , G06F30/20 , G06V10/774 , G06N3/04 , G06N3/08 , G06F111/04
Abstract: 一种基于差异绝对值总和及任意阶全变分的可变形图像配准方法，属于图像处理技术领域，本发明是为了提高变分框架下的图像配准过程中正则化的普遍性和求解器的效率。本发明中的图像配准变分模型结合了最先进的差异绝对值总和和新的任意阶全变分正则化项，使得图像配准结果中保留了结果变形中的不连续，同时对离群噪声具有鲁棒性。本发明中的优化算法首先将线性化应用到问题中，以制定一个凸目标函数，然后使用快速、超松弛的交叉方向乘子法(ADMM)将结果的凸优化分解为几个点级封闭形式的子问题。利用本发明提出的算法，可以证明求解高阶变分公式与求解低阶变分公式是相似的。大量的实验表明，本发明在可变形图像配准领域明显优于次梯度、原对偶算法以及基于深度学习和自由形式变形的最先进的方法，特别是当使用高阶导数时，本发明的优势更加明显。
-
公开(公告)号：CN116012344B
公开(公告)日：2023-10-20
申请号：CN202310043858.5
申请日：2023-01-29
Applicant: 东北林业大学
IPC: G06T7/00 , G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于掩码自编码器CNN‑Transformer的心脏磁共振图像配准方法，属于医学图像处理技术领域。为解决现有技术中图像冗余特征以及注意力权重区分不够差异化所带来的计算量巨大，同时无法达到较高配准精度的问题。通过基于掩码自编码器的Transformer预训练网络获取预训练权重，以用于基于CNN‑Transformer配准网络的权重初始化，配准网络通过空间&通道并行挤压与激励模块生成具有不同维度注意力分布加权的特征图；通过Transformer编码器进行特征提取；通过基于CNN的解码器生成固定图像与浮动图像之间的形变场；将浮动图像、形变场输入空间变换网络，得到配准图像；计算配准图像与固定图像之间的损失，生成最优权重配准网络。本发明方法能够减少计算量的同时，达到更精准的配准结果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.03 seconds)
