-
公开(公告)号：CN116035598A
公开(公告)日：2023-05-02
申请号：CN202310339701.7
申请日：2023-04-03
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
Abstract: 本发明涉及一种睡眠纺锤波智能识别方法及系统。该方法包括：获取标注的脑电波信号；对获取的标注的脑电波信号按照时间进行分段，得到脑电信号片段；对脑电信号片段进行同步挤压小波变换；将同步挤压小波变换后的一维脑电信号转换为二维时频图；利用二维时频图训练睡眠纺锤波分类识别神经网络；将待识别的脑电波信号进行分段并进行同步挤压小波变换后输入到训练完成后的睡眠纺锤波分级分类识别神经网络，识别出待识别的脑电波信号中是否包含纺锤波信号。本发明利用同步挤压小波变换和ConvNeXt网络的优势，提出一种基于同步挤压小波变换和迁移学习的睡眠纺锤波智能识别方法及系统，能够解决现有技术中存在的鲁棒性差以及效率低等技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116035598B
公开(公告)日：2023-06-27
申请号：CN202310339701.7
申请日：2023-04-03
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
Abstract: 本发明涉及一种睡眠纺锤波智能识别方法及系统。该方法包括：获取标注的脑电波信号；对获取的标注的脑电波信号按照时间进行分段，得到脑电信号片段；对脑电信号片段进行同步挤压小波变换；将同步挤压小波变换后的一维脑电信号转换为二维时频图；利用二维时频图训练睡眠纺锤波分类识别神经网络；将待识别的脑电波信号进行分段并进行同步挤压小波变换后输入到训练完成后的睡眠纺锤波分级分类识别神经网络，识别出待识别的脑电波信号中是否包含纺锤波信号。本发明利用同步挤压小波变换和ConvNeXt网络的优势，提出一种基于同步挤压小波变换和迁移学习的睡眠纺锤波智能识别方法及系统，能够解决现有技术中存在的鲁棒性差以及效率低等技术问题。
-
公开(公告)号：CN115170568B
公开(公告)日：2022-12-02
申请号：CN202211086584.X
申请日：2022-09-06
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
Abstract: 本发明涉及一种直肠癌图像自动分割方法和系统及放化疗反应预测系统，属于信息技术、医疗技术领域。本发明采集局部进展期直肠癌患者在接受新辅助放化疗前后的T2‑MRI图像和DWI‑MRI图像，得到前后2个模态共4类图像；将4类图像分别输入基于U‑Net网络的病灶分割网络，得到图像分割结果，所述病灶分割网络在编码阶段、编码‑解码交接处、解码阶段分别引入高效通道注意力模块、双重注意力模块以及高效金字塔压缩注意力模块；然后将图像分割结果输入特征提取网络得到4类特征，将4类特征进行特征融合后输入分类网络，得到输出值，完成病理完全缓解PCR指标的预测。本发明能够进行准确的直肠癌图像病灶分割以及病理完全缓解PCR指标预测。
-
公开(公告)号：CN116485798B
公开(公告)日：2023-10-13
申请号：CN202310746598.8
申请日：2023-06-25
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种多模态宫颈癌MRI图像自动识别和分割方法及系统。本发明首先获取T2WI、DWI和CE‑T1WI三种模态的核磁共振图像，然后采用基于ConvNeXt网络的图像分类网络对三种模态的核磁共振图像进行分类，预测图像中是否存在肿瘤区域；然后采用基于DoubleU‑Net网络的图像分割网络，对存在肿瘤区域的T2WI、DWI和CE‑T1WI三种模态的核磁共振图像进行分割，得到精准分割的病灶区域图像。本发明基于深度学习方法构建了多模态宫颈癌MRI影像识别与分割一体化模型，为临床应用提供了自动勾画工具，能够解决现有技术方法存在的鲁棒性差以及效率低等技术问题。
-
公开(公告)号：CN115170568A
公开(公告)日：2022-10-11
申请号：CN202211086584.X
申请日：2022-09-06
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
Abstract: 本发明涉及一种直肠癌图像自动分割方法和系统及放化疗反应预测系统，属于信息技术、医疗技术领域。本发明采集局部进展期直肠癌患者在接受新辅助放化疗前后的T2‑MRI图像和DWI‑MRI图像，得到前后2个模态共4类图像；将4类图像分别输入基于U‑Net网络的病灶分割网络，得到图像分割结果，所述病灶分割网络在编码阶段、编码‑解码交接处、解码阶段分别引入高效通道注意力模块、双重注意力模块以及高效金字塔压缩注意力模块；然后将图像分割结果输入特征提取网络得到4类特征，将4类特征进行特征融合后输入分类网络，得到输出值，完成病理完全缓解PCR指标的预测。本发明能够进行准确的直肠癌图像病灶分割以及病理完全缓解PCR指标预测。
-
公开(公告)号：CN116485798A
公开(公告)日：2023-07-25
申请号：CN202310746598.8
申请日：2023-06-25
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种多模态宫颈癌MRI图像自动识别和分割方法及系统。本发明首先获取T2WI、DWI和CE‑T1WI三种模态的核磁共振图像，然后采用基于ConvNeXt网络的图像分类网络对三种模态的核磁共振图像进行分类，预测图像中是否存在肿瘤区域；然后采用基于DoubleU‑Net网络的图像分割网络，对存在肿瘤区域的T2WI、DWI和CE‑T1WI三种模态的核磁共振图像进行分割，得到精准分割的病灶区域图像。本发明基于深度学习方法构建了多模态宫颈癌MRI影像识别与分割一体化模型，为临床应用提供了自动勾画工具，能够解决现有技术方法存在的鲁棒性差以及效率低等技术问题。
-
-
-
-
-
Search Results
6
records
(took 0.037 seconds)
