术中组织契伦科夫荧光成像系统及其图像处理方法

    公开(公告)号:CN110327019A

    公开(公告)日:2019-10-15

    申请号:CN201910556099.6

    申请日:2019-06-25

    Abstract: 本发明属于光学分子成像领域,具体涉及了一种术中组织契伦科夫荧光成像系统及其图像处理方法,旨在解决术中冰冻病理切片取材面积小、分析时间长的问题。本发明系统包括:光源模块,用于发射白光照射术中组织;信息采集模块,用于采集术中组织的彩色白光图像、灰度白光图像、契伦科夫荧光图像;中央控制模块,控制光源模块发光、信息采集模块采集图像并接收光源模块状态信息、信息采集模块采集的图像信息,通过内置的图像处理算法生成术中组织图像。本发明成像系统,其成像有自发信号,信背比高,成像过程特异性强、灵敏度高、浅层分辨率高、成像速度快,可以快速、高效实现术中组织切缘检验。

    内窥式近红外二区多谱段荧光成像方法及装置

    公开(公告)号:CN118415566A

    公开(公告)日:2024-08-02

    申请号:CN202410895991.8

    申请日:2024-07-05

    Abstract: 本发明提供了一种内窥式近红外二区多谱段荧光成像方法及装置,可以应用于生物医学光学分子影像领域。该方法包括:在待测胃肠道内发射白光和激发光,根据白光的探测范围和激发光的探测范围,分别利用白光相机、近红外一区荧光相机和近红外二区荧光相机对待测胃肠道进行并行图像采集,得到白光图像、近红外一区荧光图像和近红外二区荧光图像;分别对近红外一区荧光图像和近红外二区荧光图像进行伪色彩映射处理,得到近红外一区伪色彩荧光图像和近红外二区伪色彩荧光图像;根据近红外一区伪色彩荧光图像和近红外二区伪色彩荧光图像,对白光图像进行叠加处理,得到目标近红外一区荧光图像、目标近红外二区荧光图像和目标近红外多谱段融合荧光图像。

    基于StyleGAN的近红外二区荧光图像转换方法和系统、电子设备以及存储介质

    公开(公告)号:CN118096504A

    公开(公告)日:2024-05-28

    申请号:CN202410345124.7

    申请日:2024-03-25

    Abstract: 本发明提供了一种基于StyleGAN的近红外二区荧光图像转换方法和系统、电子设备以及存储介质。该方法包括:训练近红外二区b域图像生成器StyleGAN,将训练好的StyleGAN冻结参数;获取近红外二区a域图像和b域图像,近红外二区b域图像共两组样本集;将两组样本依次经过编码器和预训练的StyleGAN,分别得到转换的近红外二区b域图像,重构的近红外二区b域图像。为了借助StyleGAN强大的生成能力,编码器编码图像到其隐空间学习内容语义特征和风格特征的编码表示。在无监督场景和仅在目标域预训练的StyleGAN中实现了近红外二区荧光图像的转换,提高了图像的清晰度,促进了荧光成像的临床转化。

    契伦科夫光学术中成像系统及其使用方法

    公开(公告)号:CN109480874A

    公开(公告)日:2019-03-19

    申请号:CN201811277587.5

    申请日:2018-10-30

    Abstract: 一种契伦科夫光学术中成像系统及其使用方法,所述成像系统包括:光学信息采集模块100,采集彩色白光图像、灰度白光图像和契伦科夫光学图像;支撑定位模块110,为所述光学信息采集模块100提供支撑,确定光学信息采集模块100工作时的位置;中央控制模块120,控制所述光学信息采集模块100,读取所述彩色白光图像、灰度白光图像以及契伦科夫光学图像,根据所述灰度白光图像和所述契伦科夫光学图像得到叠加图像;运动控制模块130,控制所述支撑定位模块110移动,从而调节所述光学信息采集模块100工作时的位置和角度;通过使用所述成像系统可以满足在手术过程中对病灶进行契伦科夫光学成像。

    三维荧光数据生成方法及系统
    5.
    发明公开

    公开(公告)号:CN119693529A

    公开(公告)日:2025-03-25

    申请号:CN202510205784.X

    申请日:2025-02-25

    Abstract: 本发明提供了一种三维荧光数据生成方法及系统,可以应用于手术导航技术领域。该方法包括:获取针对同一病灶区域的二维荧光图像与三维点云数据;基于多个像素点和多个初始数据点,将二维荧光图像和三维深度数据进行融合,得到初始三维荧光数据,其中,初始三维荧光数据包括具有荧光属性的多个目标数据点,多个目标数据点用于确定病灶区域的三维形状表示;基于多个目标数据点各自的荧光属性、多个目标数据点各自的邻居数据点以及预设参数,构建目标函数;对目标函数进行求解,得到目标三维荧光数据,其中,目标三维荧光数据包括更新后的病灶区域的三维形状表示。

    近红外二区荧光图像转换方法和系统、电子设备以及存储介质

    公开(公告)号:CN118447498A

    公开(公告)日:2024-08-06

    申请号:CN202410348162.8

    申请日:2024-03-26

    Abstract: 本发明提供了一种近红外二区荧光图像转换方法和系统、电子设备以及存储介质。该方法用于将近红外二区a域荧光图像转换到近红外二区b域,为医生诊断和治疗提供依据。该方法包括:获取近红外二区a宏观/微观图像,近红外二区b宏观/微观图像样本集;通过编码器,解纠缠模块,解码器分别得到转换的近红外二区b宏观/微观图像,重构的近红外二区b宏观/微观图像;通过重构图像和对应的输入图像来训练模型;通过近红外二区b域判别器判别转换的图像的真实性来训练模型;通过解纠缠模块和对比学习的损失函数来训练模型。本发明实现了宏观图像和微观图像从近红外二区a域到b域的转换,提高了图像的清晰度,促进了临床的转化。

    基于深度学习的脑胶质瘤荧光图像分析方法、系统及设备

    公开(公告)号:CN112950587B

    公开(公告)日:2023-04-07

    申请号:CN202110229903.7

    申请日:2021-03-02

    Abstract: 本发明属于图像分析领域,具体涉及了一种基于深度学习的脑胶质瘤荧光图像分析方法、系统和设备,旨在解决现有的图像分析方法难以快速识别出手术中的肿瘤组织,难以辅助医生完成精准切除的问题。本发明包括:获取标本荧光图像作为待测图像,通过训练好的基于深度学习的脑胶质瘤荧光图像识别网络获得待测图像类别,将类别为肿瘤组织的待测图像通过肿瘤分级网络获得待测图像的肿瘤等级,通过Ki‑67表达水平识别网络获得待测图像的Ki‑67表达水平;其中脑胶质瘤图像识别网络基于EfficientNet卷积神经网络构建并通过二分类交叉熵损失函数训练。本发明实现了在手术中实时识别脑胶质瘤标本,辅助医生完成精准切除,同时提供分级和基因信息,帮助医生判断病人预后。

    基于深度学习的脑胶质瘤荧光图像分析方法、系统及设备

    公开(公告)号:CN112950587A

    公开(公告)日:2021-06-11

    申请号:CN202110229903.7

    申请日:2021-03-02

    Abstract: 本发明属于图像分析领域,具体涉及了一种基于深度学习的脑胶质瘤荧光图像分析方法、系统和设备,旨在解决现有的图像分析方法难以快速识别出手术中的肿瘤组织,难以辅助医生完成精准切除的问题。本发明包括:获取标本荧光图像作为待测图像,通过训练好的基于深度学习的脑胶质瘤荧光图像识别网络获得待测图像类别,将类别为肿瘤组织的待测图像通过肿瘤分级网络获得待测图像的肿瘤等级,通过Ki‑67表达水平识别网络获得待测图像的Ki‑67表达水平;其中脑胶质瘤图像识别网络基于EfficientNet卷积神经网络构建并通过二分类交叉熵损失函数训练。本发明实现了在手术中实时识别脑胶质瘤标本,辅助医生完成精准切除,同时提供分级和基因信息,帮助医生判断病人预后。

Patent Agency Ranking