-
公开(公告)号：CN115471450A
公开(公告)日：2022-12-13
申请号：CN202210911089.1
申请日：2022-07-29
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属第二医院
IPC: G06T7/00 , G06T5/30 , G06T7/136 , G06T7/187 , G06T17/00 , G06T19/20 , G06V10/26 , G06V10/50 , G06V10/764
Abstract: 本申请公开了一种基于医学影像的物理模型构建方法及装置，包括：先基于目标医学影像的体素数量及体素强度值，对目标医学影像进行分割，获取各个三维体素模型以及对应的类别；再基于各个三维体素模型的对应类别，获取各个三维体素模型对应的物理性质参数，进而基于各个三维体素模型及各个三维体素模型对应的物理性质参数，建立目标医学影像对应的仿真的物理模型，解决了现有技术均采用统一的模板对生物软组织进行建模，无法真实反映患者的实际物理性质的问题，通过精细化的分析与分类，自动的构建一套个性化的物理模型，且该物理模型在物理性能上与真实人体具有高度一致性。
-
公开(公告)号：CN115239677A
公开(公告)日：2022-10-25
申请号：CN202210911231.2
申请日：2022-07-29
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属第二医院
Abstract: 本申请公开了一种医学影像的分割方法、装置及计算机设备，包括：获取目标医学影像的点击位置，以该点击位置为中心，向外获取多条等角度的射线及每条射线上的等间距体素的距离测度值，以该距离测度值基础，以点击位置为中心，进行多次分割，获取目标连接区域、目标分割区域及球面凸包区域的并集区域，进而确定该点击位置所对应的组织器官的最终的分割结果。解决了由于现有技术的缺失，亟需一种新的医学影像的分割方法以解决手动分割费时费力、效率低下的问题，在手动点击的基础上，利用无监督、无需训练的智能化方法，最大程度的实现了点击区域的边缘自动识别和分割，显著提高了手动分割的效率，并保留了手动分割的高兼容性、高准确性。
-
公开(公告)号：CN112562813B
公开(公告)日：2024-08-27
申请号：CN202011526287.3
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 , 苏州市急救中心
IPC: G16H10/60 , G06F16/34 , G06F40/186 , G06F40/289 , G06F40/295 , G10L15/06 , G10L15/22 , G10L15/26
Abstract: 本发明公开了一种针对急救呼叫的电子病历智能生成方法及系统，该方法包括以下步骤：1)建立急救系统中分级响应预案的问答模板对应到急救病历模板的映射关系F：2)将语音数据V转换为文字内容T；3)提取患者的个人信息P；4)提取患者的主诉文本D和现病史文本R；5)评定患者的急救等级L；6)汇总患者的个人信息P、主诉文本D、现病史文本R以及急救等级L，自动生成患者的电子急救病历。本发明可以根据急救呼叫电话的语音对话记录自动生成信息全面、丰富的电子急救病历，能便于医生了解患者的具体情况；本发明通可提高规范、准确、信息全面的电子病历，可提高效率，同时还能减小医生的工作量，具有很好的应用前景。
-
公开(公告)号：CN118314154A
公开(公告)日：2024-07-09
申请号：CN202410463970.9
申请日：2024-04-17
Applicant: 中国科学院苏州生物医学工程技术研究所 , 南京脑科医院
IPC: G06T7/11 , G06V10/42 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像分割技术领域，公开了一种核磁共振图像分割方法、装置、设备、存储介质及程序产品，该方法包括：构建组织分割网络，组织分割网络包括主编码器、辅编码器以及解码器，其中，主编码器包括查询自适应双层自注意力模块；将待分割图像输入组织分割网络，获得输出的分割图像，其中，通过主编码器中的查询自适应双层自注意力模块将待分割图像中远距离像素之间的关系进行建模并提取像素级特征，通过辅编码器提取待分割图像中的局部特征，将主编码器与辅编码器的输出输入至解码器，整合后输出分割图像。本发明可以同时捕捉全局和局部语义特征，提高分割结果的准确性，且还能在提升分割精度的同时，避免计算复杂度的大幅提升。
-
公开(公告)号：CN112100838B
公开(公告)日：2024-04-02
申请号：CN202010934627.X
申请日：2020-09-08
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06F30/20 , G06F30/12 , G06F30/17 , G06T17/30 , G06T19/20 , B29C64/393 , B33Y50/02 , G06F113/10
Abstract: 本发明公开了一种三维几何结构约束的增材修复方法，包括以下步骤：1)进行缺陷部件三维扫描，重建出缺陷部件整体的三维点云模型；2)根据获得的三维点云模型对缺陷部件进行三维建模，获取缺陷部件上的缺陷部位的三维实体模型；3)对获得的缺陷部位的三维实体模型进行三维建模切片分层与优化，得到缺陷部位的分层模型；4)进行缺陷部件自动摆位，使缺陷部件以获得的分层模型为基准进行姿态调整；5)对缺陷部件上的缺陷部位进行三维打印修复。本发明的三维几何结构约束的增材修复方法和系统，通过对三维模型分层进行优化，寻找最优的模型姿态，能够减小分层之后的三维模型和原始模型之间的误差，能获得更好的修复效果。
-
Patent Agency Ranking
公开(公告)号：CN117671375A
公开(公告)日：2024-03-08
申请号：CN202311684399.5
申请日：2023-12-08
Applicant: 中国科学院苏州生物医学工程技术研究所 , 南京市中医院
IPC: G06V10/764 , G06V10/40 , G06V10/30
Abstract: 本申请涉及无损测温以及信号处理技术领域，公开了超声测温方法、装置、计算机设备及存储介质，方法包括对于超声图像中任一目标像素，获取目标像素周围的目标邻域图像；对目标邻域图像进行组学特征提取，得到组学特征向量，组学特征向量用于指示目标邻域图像中与温度存在关联关系的特征；利用预训练的温度特征提取模型，提取目标邻域图像的温度特征向量；拼接组学特征向量与温度特征向量，得到目标邻域图像的待预测特征向量；根据参考预测特征向量与温度之间的映射关系，以及待预测特征向量与预获取的参考预测特征向量集合中参考预测特征向量的对应关系，确定待预测特征向量对应的温度也即目标像素的预测温度。提高了超声测温的准确性。
-
公开(公告)号：CN112419282B
公开(公告)日：2024-01-23
申请号：CN202011349402.4
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
Abstract: 本发明公开了一种脑部医学影像中动脉瘤的自动检测方法及系统，该方法包括以下步骤：1)采集训练集脑MRA图像并进行血管区域提取，对完成血管区域提取后的图像进行动脉瘤区域标注；2)构建三维全卷积神经网络并进行网络模型训练；3)对待检测的脑MRA图像进行血管区域提取；4)采用三维全卷积神经网络对完成血管区域提取后的图像进行动脉瘤检测。本发明所采用的血管提取方法不仅适用于正常解剖结构的血管，对于有动脉瘤、囊肿等解剖结构变异或正常生理结构变异，均能够实现较好的分割效果；本发明的改进的3DUnet网络模型，能够减少3DUnet训练时需要优化的参数数量，可加快训练、检测速度，提升检测敏感度。
-
公开(公告)号：CN116664933A
公开(公告)日：2023-08-29
申请号：CN202310635932.2
申请日：2023-05-31
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/048 , G06N3/084
Abstract: 本发明涉及图像处理技术领域，公开了图像分类模型构建和图像分类方法、装置及计算机设备，本发明通过将样本集的图像输入至预设神经网络中第一参数预先初始化的特征提取器，得到每一图像对应的特征向量，选取图像对应的特征向量作为预设神经网络中隐含层各神经元的第一节点中心，确定第一宽度，计算第一损失函数，优化第一参数、第一节点中心和第一宽度，使得第一损失函数值最小；基于优化后的第一参数、第一节点中心、第一宽度和预先初始化的预设神经网络中输出层的第一权值，计算输出特征向量属于各类别对应的概率，计算第二损失函数，优化第二节点中心、第二宽度和第一权值，使得第二损失函数值最小，提高了图像分类模型的准确性和可靠性。
-
公开(公告)号：CN109886922B
公开(公告)日：2023-08-18
申请号：CN201910042749.5
申请日：2019-01-17
Applicant: 丽水市中心医院 , 中国科学院苏州生物医学工程技术研究所
IPC: G06T7/00 , G06N3/0464
Abstract: 本发明公开了一种基于SE‑DenseNet深度学习框架和增强MR图像的肝细胞癌自动分级方法，包括1)采集数据；2)对所有的增强MR的肝细胞癌三维图像进行预处理；3)将训练数据进行增强；4)基于增强的训练数据，训练肝细胞癌分级预测模型：SE‑DenseNet网络；5)采用训练好的模型对测试数据进行分级预测，评估肝细胞癌分级预测模型的分类性能。本发明通过由图像预处理、图像增强、SE‑DenseNet网络训练、SE‑DenseNet网络测试组成的肝细胞癌多模态增强MR图像的自动病理分级方法，能实现肝细胞癌自动分级，能克服人工对肝细胞进行分级存在的人力和时间耗费和主观性差异的问题。
-
公开(公告)号：CN110176073B
公开(公告)日：2023-07-04
申请号：CN201910417011.2
申请日：2019-05-20
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本发明公开了一种三维缺陷模型自动建模和自适应分层方法，包括以下步骤：1)获取缺陷区域的点云数据；2)建立缺陷区域模型；3)获取最优分层方向；4)根据建立的缺陷区域模型的形状及表面凹凸状况进行自适应变高分层。本发明的三维缺陷模型自动建模和自适应分层方法，能根据提取待修复模型的集合特性，对使用待修复区域模型进行“个性化”分层方法，能根据物体形状及表面凹凸状况进行自适应变高分层，能降低分层所带来的表面精度误差，提高了构建的模型的整体精度。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.095 seconds)
