-
公开(公告)号：CN116630463A
公开(公告)日：2023-08-22
申请号：CN202310896717.8
申请日：2023-07-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T11/00 , G06T7/12 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于多任务学习的增强CT图像生成方法和系统，属于CT图像生成技术领域，解决了现有技术中无法快速并且安全得到增强CT图像的问题。方法包括：获取平扫CT图像和增强CT图像；对平扫CT图像和增强CT图像分别进行图像分割，得到对应的器官轮廓分割图像；根据平扫CT图像、增强CT图像和对应的器官轮廓分割图像构建训练样本集；构建多任务循环生成对抗网络模型，基于所述训练样本集对所述多任务循环生成对抗网络模型进行训练得到训练好的多任务循环生成对抗网络模型；获取待转换平扫CT图像，基于训练好的多任务循环生成对抗网络模型生成对应的增强CT图像。实现了高质量增强CT图像的快速生成。
-
公开(公告)号：CN115409837B
公开(公告)日：2023-02-17
申请号：CN202211352635.9
申请日：2022-11-01
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
Abstract: 一种基于多模态CT图像的子宫内膜癌CTV自动勾画方法，属于图形图像处理技术领域，解决了现有子宫内膜癌CTV勾画准确率低且效率低的问题。方法包括：获取多模态CT图像和CTV掩膜图像，基于多模态CT图像和对应的CTV掩膜图像生成训练样本集；基于图像的连通性对训练样本集中的每个CTV掩膜图像进行分段得到每个CTV掩膜图像的多个子掩膜图像；构建模态感知相互学习神经网络模型，基于训练样本集中的多模态CT图像、多模态CT图像对应的CTV掩膜图像以及CTV掩膜的子掩膜图像训练模态感知互学习神经网络模型得到子宫内膜癌CTV分割模型；将待勾画多模态CT图像输入子宫内膜癌CTV分割模型得到待勾画多模态CT图像对应的CTV掩膜图像。实现了子宫内膜癌CTV的准确高效勾画。
-
公开(公告)号：CN116977466A
公开(公告)日：2023-10-31
申请号：CN202310899743.6
申请日：2023-07-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T11/00 , G06T7/12 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/044 , G06N3/084
Abstract: 本发明涉及一种增强CT图像生成模型的训练方法和存储介质，属于CT图像生成技术领域，解决了现有技术中缺乏根据平扫CT图像直接生成高质量增强CT图像的模型的问题。方法包括以下步骤：获取平扫CT图像、增强CT图像以及平扫CT图像和增强CT图像分别对应的的器官轮廓分割图像，构建训练样本集；构建多任务循环生成对抗网络模型，所述多任务循环生成对抗网络模型的生成器为采用基于高效Transformer的编码器‑解码器结构的生成器；基于所述训练样本集对所述多任务循环生成对抗网络模型进行训练得到增强CT图像生成模型。实现了快速得到高质量增强CT图像生成模型。
-
公开(公告)号：CN115187577A
公开(公告)日：2022-10-14
申请号：CN202210937016.X
申请日：2022-08-05
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 深圳市联影高端医疗装备创新研究院 , 北京联影智能影像技术研究院
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , A61B6/03
Abstract: 一种基于深度学习的乳腺癌临床靶区自动勾画方法和系统，方法包括：获取患者CT图像和对应的临床靶区掩膜，基于所述CT图像和对应的临床靶区掩膜生成训练样本集；基于形态差异对训练样本集中的CT图像的每个层面进行分类，得到每个CT图像中每个层面的类型；基于样本集中每个CT图像及图像中每个层面的类型训练分类神经网络模型得到CT图像层面分类模型；基于样本集中每个CT图像、CT图像中每个层面的类型和CT图像对应的掩膜训练多通道神经网络模型得到临床靶区分割模型；将待勾画CT图像输入CT图像层面分类模型得到待勾画CT图像每个层面的类型；根据待勾画CT图像每个层面的类型将待勾画CT图像输入临床靶区分割模型得到CT图像的临床靶区掩膜。
-
公开(公告)号：CN116630463B
公开(公告)日：2023-10-13
申请号：CN202310896717.8
申请日：2023-07-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
IPC: G06T11/00 , G06T7/12 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于多任务学习的增强CT图像生成方法和系统，属于CT图像生成技术领域，解决了现有技术中无法快速并且安全得到增强CT图像的问题。方法包括：获取平扫CT图像和增强CT图像；对平扫CT图像和增强CT图像分别进行图像分割，得到对应的器官轮廓分割图像；根据平扫CT图像、增强CT图像和对应的器官轮廓分割图像构建训练样本集；构建多任务循环生成对抗网络模型，基于所述训练样本集对所述多任务循环生成对抗网络模型进行训练得到训练好的多任务循环生成对抗网络模型；获取待转换平扫CT图像，基于训练好的多任务循环生成对抗网络模型生成对应的增强CT图像。实现了高质量增强CT图像的快速生成。
-
Patent Agency Ranking
公开(公告)号：CN115187577B
公开(公告)日：2023-05-09
申请号：CN202210937016.X
申请日：2022-08-05
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 深圳市联影高端医疗装备创新研究院 , 北京联影智能影像技术研究院
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , A61B6/03
Abstract: 一种基于深度学习的乳腺癌临床靶区自动勾画方法和系统，方法包括：获取患者CT图像和对应的临床靶区掩膜，基于所述CT图像和对应的临床靶区掩膜生成训练样本集；基于形态差异对训练样本集中的CT图像的每个层面进行分类，得到每个CT图像中每个层面的类型；基于样本集中每个CT图像及图像中每个层面的类型训练分类神经网络模型得到CT图像层面分类模型；基于样本集中每个CT图像、CT图像中每个层面的类型和CT图像对应的掩膜训练多通道神经网络模型得到临床靶区分割模型；将待勾画CT图像输入CT图像层面分类模型得到待勾画CT图像每个层面的类型；根据待勾画CT图像每个层面的类型将待勾画CT图像输入临床靶区分割模型得到CT图像的临床靶区掩膜。
-
公开(公告)号：CN115409837A
公开(公告)日：2022-11-29
申请号：CN202211352635.9
申请日：2022-11-01
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
Abstract: 一种基于多模态CT图像的子宫内膜癌CTV自动勾画方法，属于图形图像处理技术领域，解决了现有子宫内膜癌CTV勾画准确率低且效率低的问题。方法包括：获取多模态CT图像和CTV掩膜图像，基于多模态CT图像和对应的CTV掩膜图像生成训练样本集；基于图像的连通性对训练样本集中的每个CTV掩膜图像进行分段得到每个CTV掩膜图像的多个子掩膜图像；构建模态感知相互学习神经网络模型，基于训练样本集中的多模态CT图像、多模态CT图像对应的CTV掩膜图像以及CTV掩膜的子掩膜图像训练模态感知互学习神经网络模型得到子宫内膜癌CTV分割模型；将待勾画多模态CT图像输入子宫内膜癌CTV分割模型得到待勾画多模态CT图像对应的CTV掩膜图像。实现了子宫内膜癌CTV的准确高效勾画。
-
公开(公告)号：CN120047468A
公开(公告)日：2025-05-27
申请号：CN202510193996.0
申请日：2025-02-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院 , 烟台毓璜顶医院
IPC: G06T7/11 , G06N3/098 , G06N3/0455 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种多数据中心的子宫内膜癌靶区分割模型的训练系统，属于靶区勾画技术领域，解决了现有技术中分割模型性能不高的问题。系统包括主控端和多个数据中心：每个数据中心存储有本地多模态子宫内膜癌样本集；主控端上存储有目标样本集；在主控端构建靶区分割模型，并将靶区分割模型发送至每个数据中心；主控端控制多个数据中心基于本地多模态子宫内膜癌样本集对本地靶区分割模型进行训练，基于多个数据中心的本地靶区分割模型参数更新主控端的靶区分割模型的参数，得到预训练的靶区分割模型；主控端基于目标样本集对预训练的靶区分割模型进行微调，得到训练好的子宫内膜癌靶区分割模型。实现了高效准确的子宫内膜癌靶区勾画。
-
公开(公告)号：CN120047467A
公开(公告)日：2025-05-27
申请号：CN202510193905.3
申请日：2025-02-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院 , 福建省漳州市医院 , 河北医科大学第二医院
IPC: G06T7/11 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/098
Abstract: 本发明涉及一种小样本子宫内膜癌靶区勾画方法，属于靶区勾画技术领域，解决了现有技术中小样本数据训练模型导致分割准确度不高的问题。方法包括以下步骤：构建多个数据中心，每个数据中心包括多通道分割模型和多模态子宫内膜癌样本集；基于所述多个数据中心对所述多通道分割模型进行预训练，得到预训练的子宫内膜癌靶区分割模型；在目标数据集上对所述预训练的子宫内膜癌靶区分割模型进行微调，得到训练好的子宫内膜癌靶区分割模型；基于训练好的子宫内膜癌靶区分割模型对待分割的多模态子宫内膜癌图像进行分割，得到待分割的多模态子宫内膜癌图像的靶区勾画结果。实现了高效准确的子宫内膜癌靶区勾画。
-
公开(公告)号：CN119693396A
公开(公告)日：2025-03-25
申请号：CN202510192191.4
申请日：2025-02-21
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京联影智能影像技术研究院
Abstract: 本发明涉及一种子宫内膜癌术后CTV分割模型的训练方法，属于靶区分割技术领域，解决了现有技术中分割准确度不高的问题。方法包括以下步骤：构建多个数据中心，每个数据中心包括多模态分割模型和多模态子宫内膜癌术后CTV样本集；基于所述多个数据中心对所述多模态分割模型进行预训练，得到预训练的子宫内膜癌术后CTV分割模型；基于多个数据中心的多模态子宫内膜癌术后CTV样本集筛选风格特征；对于目标数据中心，基于所述中心风格特征对所述预训练的子宫内膜癌术后CTV分割模型进行微调，得到训练好的子宫内膜癌术后CTV分割模型。实现了高效准确的子宫内膜癌术后CTV分割。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.073 seconds)
