-
公开(公告)号：CN116703837B
公开(公告)日：2024-02-06
申请号：CN202310592019.9
申请日：2023-05-24
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京科技大学
Abstract: 本发明涉及MRI图像处理技术领域，特别是指一种基于MRI图像的肩袖损伤智能识别方法及装置。一种基于MRI图像的肩袖损伤智能识别方法包括：采集患者数据，对患者数据进行处理，获得训练数据；基于U‑net网络结构和FPN网络结构建立模型，获得待训练肩袖损伤识别模型；采用训练数据，对待训练肩袖损伤识别模型进行训练，获得肩袖损伤识别模型；将待识别MRI图像，输入肩袖损伤识别模型，获得肩袖识别结果。本发明是一种准确、高效的基于MRI图像的肩袖损(56)对比文件US 2018160981 A1,2018.06.14US 2022265233 A1,2022.08.25林枫茗.基于深度学习的脑肿瘤分割算法研究《.中国优秀硕士学位论文全文数据库 医药卫生科技辑》.2021,(第2期),E070-577.Pu, Bin等.Mobileunet-fpn: A semanticsegmentation model for fetal ultrasoundfour-chamber segmentation in edgecomputing environments《.IEEE Journal ofBiomedical and Health Informatics》.2022,第26卷(第11期),5540-5550.
-
Patent Agency Ranking
公开(公告)号：CN116703837A
公开(公告)日：2023-09-05
申请号：CN202310592019.9
申请日：2023-05-24
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京科技大学
Abstract: 本发明涉及MRI图像处理技术领域，特别是指一种基于MRI图像的肩袖损伤智能识别方法及装置。一种基于MRI图像的肩袖损伤智能识别方法包括：采集患者数据，对患者数据进行处理，获得训练数据；基于U‑net网络结构和FPN网络结构建立模型，获得待训练肩袖损伤识别模型；采用训练数据，对待训练肩袖损伤识别模型进行训练，获得肩袖损伤识别模型；将待识别MRI图像，输入肩袖损伤识别模型，获得肩袖识别结果。本发明是一种准确、高效的基于MRI图像的肩袖损伤智能识别方法。
-
公开(公告)号：CN116645346A
公开(公告)日：2023-08-25
申请号：CN202310610450.1
申请日：2023-05-26
Applicant: 北京科技大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06T7/00 , G06T7/70 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明提供肩袖扫描图像的处理方法、电子设备及存储介质，在该方法中，包括：获取待处理的肩袖扫描图像；将待处理的肩袖扫描图像输入至预设的肩袖囊肿检测模型，以由肩袖囊肿检测模型输出相应的肩袖囊肿识别结果；其中，肩袖囊肿识别结果为存在对应囊肿区域位置的肩袖囊肿，或者肩袖囊肿识别结果为不存在肩袖囊肿；肩袖囊肿检测模型采用YOLOv5深度神经网络，肩袖囊肿检测模型的训练样本集包含多个预标注了相应的肩袖囊肿标签的肩袖扫描图像样本，以及肩袖囊肿标签包含肩袖囊肿的标注区域位置。由此，利用YOLOv5深度神经网络对图像中小目标的识别结果比较敏感的特点，能有效提高对图像中的肩袖囊肿区域的小目标检测精度。
-
公开(公告)号：CN119048593A
公开(公告)日：2024-11-29
申请号：CN202411079276.3
申请日：2024-08-07
Applicant: 北京科技大学 , 北京大学第三医院(北京大学第三临床医学院)
Abstract: 本发明提供一种基于磁共振成像图像的肩部囊肿定位方法及系统，涉及医疗影像处理技术领域，方法包括：获取多张磁共振成像图像；分别构建基于深度学习算法的肱骨头区域目标检测模型和囊肿目标检测模型；将所述磁共振成像图像输入至所述肱骨头区域目标检测模型中进行检测，输出肱骨头区域图像；将所述肱骨头区域图像输入至所述囊肿目标检测模型中进行检测，输出囊肿区域图像；根据所述囊肿区域图像的中心点坐标，通过空间定位算法，确定囊肿的位置。本发明减少了MRI图像受到斑点噪声和回波扰动的影响以及对医生的认知能力和临床经验的依赖，提高了图像质量，使囊肿与正常组织之间的差异变得更加明显，避免了将囊肿与肩袖损伤引起的积液混淆。
-
公开(公告)号：CN115795353B
公开(公告)日：2023-04-21
申请号：CN202310064110.3
申请日：2023-02-06
Applicant: 北京科技大学
IPC: G06F18/24 , G06N20/10 , G06N20/00 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于不均衡数据集的地下金属目标分类方法及系统，该方法包括：获取地下金属目标样本数据，构建样本数据库；对样本数据中的各磁场强度数据分别进行特征提取，得到样本特征数据；根据不同类别地下金属目标的样本数量，自适应地构建多个平衡样本数据集；利用平衡样本数据集对多个预设的机器学习模型分别进行训练，得到多个地下金属目标分类子模型；集成各个地下金属目标分类子模型，得到最终的地下金属目标分类模型；利用地下金属目标分类模型得到待测的地下金属目标对应的类别。本发明的技术方案在地下金属目标类别不均衡的数据集下，保证了地下金属目标分类的准确率。
-
公开(公告)号：CN115795353A
公开(公告)日：2023-03-14
申请号：CN202310064110.3
申请日：2023-02-06
Applicant: 北京科技大学
IPC: G06F18/24 , G06N20/10 , G06N20/00 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于不均衡数据集的地下金属目标分类方法及系统，该方法包括：获取地下金属目标样本数据，构建样本数据库；对样本数据中的各磁场强度数据分别进行特征提取，得到样本特征数据；根据不同类别地下金属目标的样本数量，自适应地构建多个平衡样本数据集；利用平衡样本数据集对多个预设的机器学习模型分别进行训练，得到多个地下金属目标分类子模型；集成各个地下金属目标分类子模型，得到最终的地下金属目标分类模型；利用地下金属目标分类模型得到待测的地下金属目标对应的类别。本发明的技术方案在地下金属目标类别不均衡的数据集下，保证了地下金属目标分类的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.04 seconds)
