-
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：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。
-
公开(公告)号：CN116942509A
公开(公告)日：2023-10-27
申请号：CN202310895204.5
申请日：2023-07-20
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
Abstract: 本发明公开了一种基于多阶段光学定位的体表自动寻穴方法，属于针灸领域，通过全局相机进行肢体定位、获取待针灸的肢体上的关键点位置、对待针灸的肢体上的穴位粗定位、对待针灸的肢体上的穴位精确定位等步骤，采用全局相机和局部相机相结合，开发基于体表纹理与光流预测方法下的高精度穴位实时定位跟踪方法，解决高精度的体表穴位定位和因体动带来的实时目标跟踪困难问题，实现可以精准、实时、动态对准的三维人体自动寻穴。
-
公开(公告)号：CN115982947A
公开(公告)日：2023-04-18
申请号：CN202211517912.7
申请日：2022-11-30
Applicant: 中国科学院苏州生物医学工程技术研究所
IPC: G06F30/20 , G06F17/16 , A61B5/245 , A61B5/369 , G06F111/04
Abstract: 本发明公开了一种源成像的逆问题分析方法、装置及电子设备，其中，该方法包括：构建真实头脑模型和源模型；求解得到传导矩阵；按照空间距离对源模型中的偶极子进行区域化，并构建组间稀疏约束模型；构建偶极子强度广义全变分稀疏约束模型；将组间稀疏约束模型与偶极子强度广义全变分稀疏约束模型融合，构建逆问题求解模型；基于逆问题求解模型，确定源模型中偶极子的激活范围及强度。本发明首先对偶极子进行区域化并考虑组间稀疏性，刻画皮层电活动的结构稀疏先验。另外，通过偶极子强度广义全变分刻画皮层上激活区域边界处的突变性与激活区域内的平滑特性。最终，通过重加权的求解方式实现偶极子激活范围及强度的准确估计。
-
Patent Agency Ranking
公开(公告)号：CN115797451A
公开(公告)日：2023-03-14
申请号：CN202211618509.3
申请日：2022-12-15
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
Abstract: 本申请是一种穴位识别方法，具体涉及自动识别技术领域。所述方法包括：获取人体表面三维重建数据；对人体表面三维重建数据进行分类识别，获取人体区域分类数据；将人体区域分类数据与虚拟人体穴位数据进行位姿配准，并在人体表面三维重建数据中映射穴位位置；虚拟人体穴位数据根据人体穴位模型预先建立；将人体表面三维重建数据对应的图像以及穴位位置显示在显示设备中。基于上述方案，简化了穴位识别难度。
-
公开(公告)号：CN115721323A
公开(公告)日：2023-03-03
申请号：CN202211465471.0
申请日：2022-11-22
Applicant: 中国科学院苏州生物医学工程技术研究所
Abstract: 本说明书公开了一种脑机接口信号识别方法、系统及电子设备，能够实现对MI‑EEG/MEG信号的高精度识别分类。所述方法包括：获取原始脑电/脑磁信号并进行预处理生成脑电/脑磁测量信号，在测量空间中提取相应的全局特征信息；将脑电/脑磁测量信号转换为脑电/脑磁源信号，在源空间中提取相应的细节特征信息；利用跨空间融合卷积神经网络获取全局特征信息与细节特征信息的融合特征信息，根据融合特征信息进行分类以确定所述原始脑电/脑磁信号对应的运动意图。所述系统包括原始信号获取模块、频带分析模块、全局特征提取模块、脑源成像模块、细节特征提取模块与跨空间融合模块。所述电子设备中处理器用于执行所述脑机接口信号识别方法。
-
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：CN118072100A
公开(公告)日：2024-05-24
申请号：CN202410273226.2
申请日：2024-03-11
Applicant: 中国科学院苏州生物医学工程技术研究所 , 苏州大学附属第一医院
IPC: G06V10/764 , G06V10/75 , G06V10/25 , G06V10/80 , G06V10/774
Abstract: 本发明涉及影像数据处理技术领域，公开了一种基于磁共振成像的分类方法、装置、设备及存储介质，该方法包括：获取目标对象的磁共振成像图像，并从磁共振成像图像中提取出感兴趣脑区图像；计算感兴趣脑区图像对应的灰质体积特征、皮层厚度特征以及表面积特征；利用串行融合算法将灰质体积特征、皮层厚度特征以及表面积特征进行串行拼接，得到目标特征向量；将目标特征向量输入到预先训练好的分类器模型中，得到目标对象的磁共振成像图像对应的分类结果，本发明通过从磁共振成像图像中提取出感兴趣脑区图像进行分析，将灰质体积特征、皮层厚度特征及表面积特征拼接得到特征向量，输入到分类器模型，进行分类，向工作人员提供辅助诊断依据。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.073 seconds)
