-
公开(公告)号：CN111882532A
公开(公告)日：2020-11-03
申请号：CN202010680826.2
申请日：2020-07-15
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种下肢X光影像中关键点提取方法，通过关键点定位神经网络模型来自动分析下肢X光影像，通过骨骼的全局空间结构以及多尺度信息得到各关键点的位置信息；不仅加快了关键点提取速度与效率，还可以确保结果的准确性。实验表明关键点定位的误差仅有3.042像素，角度计算误差仅有1.096°。
-
公开(公告)号：CN114723754B
公开(公告)日：2022-09-02
申请号：CN202210638349.2
申请日：2022-06-08
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种超声髋关节骨龄评估方法、系统、设备及存储介质，它属于一种基于解剖学区域检测的弱监督超声髋关节骨龄评估方案，包含两个阶段：第一个阶段，能够准确定位解剖学关键区域，一方面，能够提高后续骨龄预测的准确度；另一方面，能够提供可解释性的解剖学关键区域，有利于促进医学研究的进一步发展；第二个阶段，在具有可解释性的解剖学关键区域的基础上回归预测骨龄。
-
公开(公告)号：CN115272308A
公开(公告)日：2022-11-01
申请号：CN202211171283.7
申请日：2022-09-26
Applicant: 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所、复旦大学附属儿科医院安徽医院) , 中国科学技术大学
Abstract: 本发明公开了一种下肢骨骼图像评估下肢力线方法、系统、设备及存储介质，包括如下方法：步骤S1、准备下肢骨骼的X射线图像；步骤S2、用GVV‑Net模块对X射线图像进行处理，在特征最深层使用VIA模块；步骤S3、SDM模块在VIA模块提取的数据信息中；步骤S4、数据信息中特征点的全局结构信息检测X射线图像中的下肢解剖标志，得到下肢骨骼的热力图并提取每个通道最大热力值的位置点作为关键点；步骤S5、获得关键点定位后分别连接左侧四组水平位置对应的两个关键点；步骤S6、分别连接右侧四组水平位置对应两个关键点，重复步骤S5得到全部下肢力线。本发明实现精确特征点性能检测，提高了判断和评估速度。
-
公开(公告)号：CN112006654A
公开(公告)日：2020-12-01
申请号：CN202010685114.X
申请日：2020-07-16
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种基于卷积神经网络和多重注意力机制的骨骼年龄评估方法，包括：训练阶段，主干网络输入为掌骨影像，通过特征提取器获得特征图F，进而得到骨龄回归值；多重注意力模块输入为特征图F，经通过压缩操作与注意力图拆分操作得到M个子注意力图，每个子注意力图再与特征图F点乘，进而得到对应的骨龄回归值；结合主干网络与多重注意力模块得到的骨龄回归值，采用多任务学习策略训练神经网络；测试阶段，将待测掌骨影像输入至训练后的神经网络中，通过其中主干网络得到骨龄评估值。上述模型可被端到端训练；同时能自动生成注意力分布图，具有更好的泛化性；此外，基于2D卷积神经网络，速度快，精度高，平均评估误差在4.1个月内。
-
公开(公告)号：CN111882532B
公开(公告)日：2021-10-01
申请号：CN202010680826.2
申请日：2020-07-15
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种下肢X光影像中关键点提取方法，通过关键点定位神经网络模型来自动分析下肢X光影像，通过骨骼的全局空间结构以及多尺度信息得到各关键点的位置信息；不仅加快了关键点提取速度与效率，还可以确保结果的准确性。实验表明关键点定位的误差仅有3.042像素，角度计算误差仅有1.096°。
-
Patent Agency Ranking
公开(公告)号：CN111882531A
公开(公告)日：2020-11-03
申请号：CN202010680820.5
申请日：2020-07-15
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种髋关节超声图像自动分析方法，包括：获取多个预先进行了若干关键线段位置标注的髋关节超声图像，并对每一髋关节超声图像中的每一关键线段分别生成热力图；以获取的髋关节超声图像为训练数据，以生成的热力图做训练目标，训练一个用于回归热力图的沙漏形神经网络；测试阶段，对于待分析的髋关节超声图像，通过训练好的沙漏形神经网络输出对应的热力图，再利用加权票选的方式从热力图中定位出每一关键线段位置，从而获得关键线段之间的夹角。上述方法基于神经网络生成热力图票选的方式自动的对髋关节超声图像进行分析，不仅加快了分析速度、提高了分析效率，还可以确保分析结果的准确性。
-
公开(公告)号：CN115239720A
公开(公告)日：2022-10-25
申请号：CN202211155349.3
申请日：2022-09-22
Applicant: 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所、复旦大学附属儿科医院安徽医院) , 中国科学技术大学
IPC: G06T7/00 , G06N3/04 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了基于经典Graf的DDH超声影像人工智能诊断系统及方法，该诊断系统包括分类器，用于从超声影像中识别标准截面；回归器，用于定位标准截面中关键点的位置信息，并利用关键点的位置计算Graf方法需要的软骨顶线夹角α、骨顶线夹角β，判断DDH的等级；所述分类器识别标准截面的方法为：对从超声影像中截取的特征图像进行特征提取与编码，编码后的特征图进行池化操作转化为特征向量，该特征向量经过全连接层后判断该特征图是否为标准截面。本发明的诊断系统能够对髋关节未成熟儿童标准髋关节超声影像片段进行筛查，且诊断更快速、客观、准确。
-
公开(公告)号：CN114723754A
公开(公告)日：2022-07-08
申请号：CN202210638349.2
申请日：2022-06-08
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种超声髋关节骨龄评估方法、系统、设备及存储介质，它属于一种基于解剖学区域检测的弱监督超声髋关节骨龄评估方案，包含两个阶段：第一个阶段，能够准确定位解剖学关键区域，一方面，能够提高后续骨龄预测的准确度；另一方面，能够提供可解释性的解剖学关键区域，有利于促进医学研究的进一步发展；第二个阶段，在具有可解释性的解剖学关键区域的基础上回归预测骨龄。
-
公开(公告)号：CN111882531B
公开(公告)日：2021-08-17
申请号：CN202010680820.5
申请日：2020-07-15
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种髋关节超声图像自动分析方法，包括：获取多个预先进行了若干关键线段位置标注的髋关节超声图像，并对每一髋关节超声图像中的每一关键线段分别生成热力图；以获取的髋关节超声图像为训练数据，以生成的热力图做训练目标，训练一个用于回归热力图的沙漏形神经网络；测试阶段，对于待分析的髋关节超声图像，通过训练好的沙漏形神经网络输出对应的热力图，再利用加权票选的方式从热力图中定位出每一关键线段位置，从而获得关键线段之间的夹角。上述方法基于神经网络生成热力图票选的方式自动的对髋关节超声图像进行分析，不仅加快了分析速度、提高了分析效率，还可以确保分析结果的准确性。
-
公开(公告)号：CN112006654B
公开(公告)日：2021-07-13
申请号：CN202010685114.X
申请日：2020-07-16
Applicant: 中国科学技术大学 , 安徽省儿童医院(安徽省新华医院、安徽省儿科医学研究所)
Abstract: 本发明公开了一种基于卷积神经网络和多重注意力机制的骨骼年龄评估方法，包括：训练阶段，主干网络输入为掌骨影像，通过特征提取器获得特征图F，进而得到骨龄回归值；多重注意力模块输入为特征图F，经通过压缩操作与注意力图拆分操作得到M个子注意力图，每个子注意力图再与特征图F点乘，进而得到对应的骨龄回归值；结合主干网络与多重注意力模块得到的骨龄回归值，采用多任务学习策略训练神经网络；测试阶段，将待测掌骨影像输入至训练后的神经网络中，通过其中主干网络得到骨龄评估值。上述模型可被端到端训练；同时能自动生成注意力分布图，具有更好的泛化性；此外，基于2D卷积神经网络，速度快，精度高，平均评估误差在4.1个月内。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.06 seconds)
