-
公开(公告)号：CN115731176A
公开(公告)日：2023-03-03
申请号：CN202211435875.5
申请日：2022-11-16
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属儿童医院
IPC: G06T7/00 , G06V10/40 , G06V10/771 , G06V10/80 , G06V10/764 , G06V10/77 , G16H50/20
Abstract: 本发明公开了一种基于人机特征融合的胶质瘤智能分级方法、系统及设备，该方法包括以下步骤：S1、获取胶质瘤患者的多序列磁共振图像；S2、对多序列磁共振图像进行预处理；S3、进行影像组学特征提取和临床专家评分特征提取；S4、进行特征选择与特征融合；S5、将融合特征输入机器学习分类模型中，得到胶质瘤图像分级结果。本发明利用机器学习分类模型通过影像组学特征和临床专家评分特征的融合特征进行胶质瘤图像的智能分级，可将专家的知识和经验融入分类模型中，能够提升胶质瘤自动分级的准确性，在胶质瘤无创分析、治疗方案制定和预后评估方面具有潜在的应用价值。
-
公开(公告)号：CN114445352A
公开(公告)日：2022-05-06
申请号：CN202210016162.9
申请日：2022-01-07
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属儿童医院
Abstract: 本发明公开了一种腹部DR图像处理方法及系统，该方法包括以下步骤：1)图像预处理：对腹部DR图像进行ROI标注、二值化处理、重采样处理和边界生成获得边界二值图像；2)统计形状分析：对步骤1)获得的边界二值图像进行中心线提取、目标宽度计算、统计形状计算，得到若干个统计形状参数；3)图像分类：基于步骤2)得到的干个统计形状参数进行图像分类。本发明提出了一种结基于统计形状的DR图像肠道形态分析方法及系统，相比于现有的几何形态分析方案，本发明对于肠道形态变化、肠道重叠现象、患者体位变化等特点肠道DR图像的具有更好的稳定性，本发明获得的统计形态参数用于图像分类具有更好的分类准确性。
-
公开(公告)号：CN112465779B
公开(公告)日：2024-02-27
申请号：CN202011349356.8
申请日：2020-11-26
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属儿童医院
Abstract: 本发明公开了一种腹部CT中胆总管囊肿病灶全自动检测分割方法及系统，该方法包括以下步骤：步骤1，CT图像预处理；步骤2，感兴趣区域提取；步骤3，网络模型训练；步骤4，对待分割CT源图像进行测试分割；步骤5，结果后处；步骤6，病灶边缘分割。本发明可实现胆总管囊肿病灶的全自动分割，有助于辅助临床医生观察胆总管囊肿病灶，辅助医生制定治疗策略，大大减少医生的工作量和操作时间，并为后续的工作提供帮助。
-
公开(公告)号：CN113274037B
公开(公告)日：2022-08-26
申请号：CN202110739351.4
申请日：2021-06-30
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属儿童医院
Abstract: 本发明公开了一种动态脑功能网络的生成方法、系统及设备，其中，所述方法包括：获取被试人员的头皮脑电数据，并进行伪迹去除预处理，以获取高质量头皮脑电信号；基于高质量头皮脑电信号，获取被试人员的微状态时间序列，并针对指定微状态，在所述微状态时间序列中确定所述指定微状态的闭环周期；基于所述闭环周期内的时序信号，确定所述被试人员在所述闭环周期内的静息态功能网络；基于多个所述静息态功能网络确定所述指定微状态周期内随微状态时间序列变化的动态静息态功能网络并进行网络拓扑特性分析。本发明提供的技术方案，能够生成更加精确的动态脑功能网络。
-
公开(公告)号：CN112465779A
公开(公告)日：2021-03-09
申请号：CN202011349356.8
申请日：2020-11-26
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属儿童医院
Abstract: 本发明公开了一种腹部CT中胆总管囊肿病灶全自动检测分割方法及系统，该方法包括以下步骤：步骤1，CT图像预处理；步骤2，感兴趣区域提取；步骤3，网络模型训练；步骤4，对待分割CT源图像进行测试分割；步骤5，结果后处；步骤6，病灶边缘分割。本发明可实现胆总管囊肿病灶的全自动分割，有助于辅助临床医生观察胆总管囊肿病灶，辅助医生制定治疗策略，大大减少医生的工作量和操作时间，并为后续的工作提供帮助。
-
Patent Agency Ranking
公开(公告)号：CN113274037A
公开(公告)日：2021-08-20
申请号：CN202110739351.4
申请日：2021-06-30
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属儿童医院
Abstract: 本发明公开了一种动态脑功能网络的生成方法、系统及设备，其中，所述方法包括：获取被试人员的头皮脑电数据，并进行伪迹去除预处理，以获取高质量头皮脑电信号；基于高质量头皮脑电信号，获取被试人员的微状态时间序列，并针对指定微状态，在所述微状态时间序列中确定所述指定微状态的闭环周期；基于所述闭环周期内的时序信号，确定所述被试人员在所述闭环周期内的静息态功能网络；基于多个所述静息态功能网络确定所述指定微状态周期内随微状态时间序列变化的动态静息态功能网络并进行网络拓扑特性分析。本发明提供的技术方案，能够生成更加精确的动态脑功能网络。
-
公开(公告)号：CN120031893A
公开(公告)日：2025-05-23
申请号：CN202411994994.3
申请日：2024-12-31
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州市中医医院
IPC: G06T7/11 , G06V10/40 , G06V10/762 , G06T5/50 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本公开关于一种病灶分割方法、装置和电子设备，该方法包括确定目标对象对应的至少一个预设构型和基于至少一个预设对象中每一预设对象在至少一个预设磁共振信号下的至少一个预设磁共振图像和每一预设对象在至少一个预设磁共振信号下的至少一个预设磁共振图像对应标注图像的重叠度确定的至少一个目标磁共振信号；对至少一个目标磁共振图像进行构型识别，确定至少一个目标构型；基于至少一个目标磁共振信号和至少一个目标构型，确定至少一个目标分割模型；将至少一个目标磁共振图像输入至少一个目标分割模型分割，对得到的至少一个病灶分割图像进行加权处理，得到目标病灶分割图像。利用本公开实施例可以提升病灶分割的效率和准确性。
-
公开(公告)号：CN119810226A
公开(公告)日：2025-04-11
申请号：CN202411771578.7
申请日：2024-12-04
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06T11/00 , G06T3/4053 , G06T3/4046 , G06V10/774 , G06V10/776 , G06V10/44 , G06V10/54
Abstract: 本发明提供基于隐表示模型的脑磁共振图像超分辨率重建方法及系统，包括步骤：获取不同层厚的各向异性脑磁共振图像，分为训练数据和测试数据；对脑磁共振图像进行预处理；对预处理后的训练数据进行处理，以生成训练样本；采用训练样本对基于隐表示模型的超分辨率重建模型进行训练；将预处理后的测试数据输入训练好的模型，进行堆叠得到三维图像，再进行平均，最终得到各向同性脑磁共振图像。本发明使用深度学习超分辨率重建方法进行不同层厚各向异性脑磁共振图像的超分辨率重建，通过设计基于隐表示模型的可学习坐标编码模块，充分利用图像特征和坐标信息间的相关性，设计了混合损失函数，提升不同层厚各向异性脑磁共振图像超分辨率重建的准确性。
-
公开(公告)号：CN113052849B
公开(公告)日：2024-01-26
申请号：CN202110409678.5
申请日：2021-04-16
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州科技城医院
IPC: G06T7/10 , G06T3/60 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种腹部组织图像自动分割方法及系统，该方法包括以下步骤：1)构建第一训练数据集；2)利用所述第一训练数据集对3D U‑Net网络进行训练，得到腹部组织自动分割模型；3)构建用于肿瘤分割任务的第二训练数据集；4)利用所述第二训练数据集对DeepLab V3+网络进行训练，得到肿瘤自动分割模型；5)将所述腹部组织自动分割模型和肿瘤自动分割模型级联，得到腹部组织自动分割模型；6)将待分割的腹部扫描图像输入腹部组织自动分割模型，自动得到腹部组织分割图像和肿瘤分割图像。本发明的腹部组织图像自动分割方法能够对形态多变的腹部组织和肿瘤进行分割，在低对比度和边缘模糊的情况下取得良好的分割精度。
-
公开(公告)号：CN112561894B
公开(公告)日：2023-11-28
申请号：CN202011526316.6
申请日：2020-12-22
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G16H15/00 , G16H10/60 , G06T7/00 , G06T7/10 , G06V10/764 , G06V10/82 , G06F40/186
Abstract: 本发明公开了一种针对CT图像的电子病历智能生成方法，包括以下步骤：1)将所有的报告语句分类为描述性语句和诊断性语句；2)构建肺部CT图像分割模型；3)构建每个部位Pi所需的描述性语句、诊断性语句的集合Qi；4)构建分类模型V；5)构建检测模型W；6)针对待检测的肺部CT图像，通过分类模型V生成诊断性语句，通过分类模型W生成描述性语句；7)汇总步骤6)得到的所有诊断性语句、描述性语句，生成肺部CT图像的电子病历。本发明可以针对肺部CT图像自动生成电子病历，能够减轻医师工作量，降低报告缺失信息的风险，可提供规范、准确、信息全面的电子病历，能提高工作效率，具有很好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.056 seconds)
