-
公开(公告)号：CN116230215A
公开(公告)日：2023-06-06
申请号：CN202310506196.0
申请日：2023-05-08
Applicant: 中国医学科学院北京协和医院
IPC: G16H50/20 , G16H50/30 , G16H20/10 , G16H20/40 , G16H20/17 , G06F18/2431 , G06F18/2411
Abstract: 本发明涉及一种卵巢透明细胞癌预测的设备、系统及可存储介质。预测风险发生的设备包括：存储器和处理器。所述处理器用于调用程序指令，程序指令包括：获取上皮性卵巢癌患者的影像数据，对影像数据进行影像特征提取，得到放射组学特征；获取上皮性卵巢癌患者的临床信息，提取临床信息特征，所述临床信息特征包括下列特征中的一种或几种：CA‑125水平、子宫内膜异位症状态和高钙血症状态；将所述放射组学特征和所述临床信息特征输入分类器中，得到分类结果，所述分类结果为上皮性卵巢癌患者是否为卵巢透明细胞癌。本发明从临床问题出发，提供一种卵巢透明细胞癌预测的二分类方法和有效的干预治疗措施，具有重要的临床应用价值。
-
公开(公告)号：CN115661107B
公开(公告)日：2023-09-19
申请号：CN202211386972.X
申请日：2022-11-07
Applicant: 中国医学科学院北京协和医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于膀胱癌危险分层的图像分析方法、系统及设备。包括：获取患者术前CT造影图像序列，所述患者术前CT造影图像序列包括平扫、皮髓质期、实质期和排泄期图像；对获取的患者术前CT造影图像序列进行分割和定位，得到肿瘤病灶ROI；然后基于肿瘤病灶ROI提取膀胱癌特征，得到参数图像组合特征；再将其输入到基于多任务深度学习构建的膀胱癌分层模型，输出预测的膀胱癌分层结果。本发明方法旨在基于自动定位的肿瘤病灶ROI提取参数图像组合特征，再输入到基于多任务深度学习构建的膀胱癌分层模型实现分类，旨在发掘其对泌尿学CT影像数据的分析能力和潜在应用价值。
-
公开(公告)号：CN115619810A
公开(公告)日：2023-01-17
申请号：CN202211629229.2
申请日：2022-12-19
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明涉及一种前列腺分区分割方法、系统及设备。包括：获取前列腺图像；将前列腺图像输入到前列腺分区分割模型中进行初次分割，输出第一次分割结果；将计算得到的前列腺外周带体积和整个腺体体积的比值与阈值进行比较，基于所述比值与阈值的关系进行二次分割，得到最终分割结果。本发明方法旨在基于U‑Net系列模型构建的前列腺分区分割模型对前列腺图像进行粗分类，根据计算的比值与阈值的关系，再通过基于语义分割构建的二次分割模型进行二次分割，实现高精度的分割结果，发掘其在协助前列腺癌手术定位和手术计划以及标准化前列腺特异性抗原密度的潜在应用价值。
-
公开(公告)号：CN113850788A
公开(公告)日：2021-12-28
申请号：CN202111141582.1
申请日：2021-09-28
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明属于生物医学领域，具体涉及一种判断膀胱癌肌层浸润状态的系统及其应用。具体地，所述系统包括根据从图像上提取的包括original_shape_Maximum2DDiameterSlice在内的特征组合计算风险值进行判断的计算装置。
-
Patent Agency Ranking
公开(公告)号：CN115619810B
公开(公告)日：2023-10-03
申请号：CN202211629229.2
申请日：2022-12-19
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明涉及一种前列腺分区分割方法、系统及设备。包括：获取前列腺图像；将前列腺图像输入到前列腺分区分割模型中进行初次分割，输出第一次分割结果；将计算得到的前列腺外周带体积和整个腺体体积的比值与阈值进行比较，基于所述比值与阈值的关系进行二次分割，得到最终分割结果。本发明方法旨在基于U‑Net系列模型构建的前列腺分区分割模型对前列腺图像进行粗分类，根据计算的比值与阈值的关系，再通过基于语义分割构建的二次分割模型进行二次分割，实现高精度的分割结果，发掘其在协助前列腺癌手术定位和手术计划以及标准化前列腺特异性抗原密度的潜在应用价值。
-
公开(公告)号：CN114399501B
公开(公告)日：2023-04-07
申请号：CN202210096760.1
申请日：2022-01-27
Applicant: 中国医学科学院北京协和医院
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/762
Abstract: 本发明涉及基于深度学习卷积神经网络的自动分割前列腺全腺体方法。包括：获取样本的前列腺MR图像；将所述前列腺MR图像输入前列腺全腺体分割网络，得到前列腺全腺体图像，所述前列腺全腺体分割网络包括前列腺尖部分割网络、前列腺中部分割网络和前列腺底部分割网络，所述前列腺尖部分割网络用于分割前列腺MR图像得到前列腺尖部图像，所述前列腺中部分割网络用于分割前列腺MR图像得到前列腺中部图像，所述前列腺底部分割网络用于分割前列腺MR图像得到前列腺底部图像，将所述前列腺尖部图像、前列腺中部图像和前列腺底部图像进行图像合并，得到前列腺全腺体分割图像。本发明从前列腺解剖结构特点出发，提供更好的前列腺全腺体分割方法。
-
公开(公告)号：CN115661107A
公开(公告)日：2023-01-31
申请号：CN202211386972.X
申请日：2022-11-07
Applicant: 中国医学科学院北京协和医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于膀胱癌危险分层的图像分析方法、系统及设备。包括：获取患者术前CT造影图像序列，所述患者术前CT造影图像序列包括平扫、皮髓质期、实质期和排泄期图像；对获取的患者术前CT造影图像序列进行分割和定位，得到肿瘤病灶ROI；然后基于肿瘤病灶ROI提取膀胱癌特征，得到参数图像组合特征；再将其输入到基于多任务深度学习构建的膀胱癌分层模型，输出预测的膀胱癌分层结果。本发明方法旨在基于自动定位的肿瘤病灶ROI提取参数图像组合特征，再输入到基于多任务深度学习构建的膀胱癌分层模型实现分类，旨在发掘其对泌尿学CT影像数据的分析能力和潜在应用价值。
-
公开(公告)号：CN116230215B
公开(公告)日：2023-08-18
申请号：CN202310506196.0
申请日：2023-05-08
Applicant: 中国医学科学院北京协和医院
IPC: G16H50/20 , G16H50/30 , G16H20/10 , G16H20/40 , G16H20/17 , G06F18/2431 , G06F18/2411
Abstract: 本发明涉及一种卵巢透明细胞癌预测的设备、系统及可存储介质。预测风险发生的设备包括：存储器和处理器。所述处理器用于调用程序指令，程序指令包括：获取上皮性卵巢癌患者的影像数据，对影像数据进行影像特征提取，得到放射组学特征；获取上皮性卵巢癌患者的临床信息，提取临床信息特征，所述临床信息特征包括下列特征中的一种或几种：CA‑125水平、子宫内膜异位症状态和高钙血症状态；将所述放射组学特征和所述临床信息特征输入分类器中，得到分类结果，所述分类结果为上皮性卵巢癌患者是否为卵巢透明细胞癌。本发明从临床问题出发，提供一种卵巢透明细胞癌预测的二分类方法和有效的干预治疗措施，具有重要的临床应用价值。
-
公开(公告)号：CN114399501A
公开(公告)日：2022-04-26
申请号：CN202210096760.1
申请日：2022-01-27
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明涉及基于深度学习卷积神经网络的自动分割前列腺全腺体方法。包括：获取样本的前列腺MR图像；将所述前列腺MR图像输入前列腺全腺体分割网络，得到前列腺全腺体图像，所述前列腺全腺体分割网络包括前列腺尖部分割网络、前列腺中部分割网络和前列腺底部分割网络，所述前列腺尖部分割网络用于分割前列腺MR图像得到前列腺尖部图像，所述前列腺中部分割网络用于分割前列腺MR图像得到前列腺中部图像，所述前列腺底部分割网络用于分割前列腺MR图像得到前列腺底部图像，将所述前列腺尖部图像、前列腺中部图像和前列腺底部图像进行图像合并，得到前列腺全腺体分割图像。本发明从前列腺解剖结构特点出发，提供更好的前列腺全腺体分割方法。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
