-
公开(公告)号：CN120013880A
公开(公告)日：2025-05-16
申请号：CN202510066197.7
申请日：2025-01-16
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本发明涉及医学影像处理技术领域，具体涉及一种基于DCT‑GAN多尺度融合的CT造影智能成像方法及系统，该方法包括获取预处理后的目标NCCT‑CTA图像数据集；基于目标NCCT‑CTA图像数据集按照预设比例进行划分，得到训练集、验证集；将训练集、验证集输入至基于DCT‑GAN多尺度融合的初始生成对抗网络中进行模型训练，训练过程中，由生成器生成虚拟CTA图像，由鉴别器对输入的原始CTA图像与虚拟CTA图像在图像域和经过离散余弦变换处理的频域上进行判别，并基于图像域与频域上的相似度差异，以及鉴别器在这两个域上的判别差异确定网络总体损失函数；将预处理后的实时NCCT图像输入至训练好的目标生成对抗网络中，以生成高质量、高分辨率的虚拟CTA图像。
-
公开(公告)号：CN119380918A
公开(公告)日：2025-01-28
申请号：CN202411329533.4
申请日：2024-09-24
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G16H15/00 , G16H30/40 , G06F40/279 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于超声图像的影像描述自动生成的方法及装置，其方法包括：获取超声图像及其对应的影像报告，对所述影像报告进行预处理，所述预处理包括数据清洗和报告标准化；将经过预处理后的影像报告中的文本拆分成多个分词单元;基于多个分词单元与预设医学专业词语构建中文列表；基于所述中文列表构建数据集；通过所述数据集训练图像文本生成模型；将目标超声图像输入到训练完成的图像文本生成模型，得到目标超声图像的影像报告。本发明通过图像文本生成模型和影像报告的标准化，解决了报告数值不精确的问题，提高了报告生成质量和准确率。
-
公开(公告)号：CN118967699A
公开(公告)日：2024-11-15
申请号：CN202410938218.5
申请日：2024-07-12
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06T7/10 , G06V10/764 , G16H50/20
Abstract: 本发明提供一种甲状腺肿瘤检测分割及淋巴转移状态诊断方法及系统，该方法包括：收集甲状腺肿瘤超声图像，对超声图像进行数据清洗和隐私处理后，选取图像质量满足预设要求的超声图像建立基础数据库；标注基础数据库中超声图像的甲状腺肿瘤外轮廓及外轮廓对应的最小外接矩形；将带标注的超声图像作为输入，通过构建YOLOv8检测模型进行目标检测，并通过HRNet分割模型分割肿瘤边缘；通过半定量参数测量和贝叶斯诊断分类模型判断甲状腺肿瘤的颈部淋巴结转移状态；基于训练后的YOLOv8检测模型、HRNet分割模型和贝叶斯诊断分类模型对待检测超声图像进行检测分割，并判断颈部淋巴结转移状态。通过该方案可以提高肿瘤检测分割精度，实现甲状腺肿瘤颈部淋巴结转移状态的快速诊断，节省人力物力成本。
-
公开(公告)号：CN119850973A
公开(公告)日：2025-04-18
申请号：CN202510340266.9
申请日：2025-03-21
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06V10/44 , G06V10/56 , G06V10/774 , G06V10/776 , G06V10/25 , G06V10/82 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种用于SWE图像生成的生成对抗模型构建方法与装置，方法包括：对获取的目标图像数据集进行预处理并划分为训练集、验证集、测试集；构建生成对抗模型，所述生成对抗模型包括生成器和鉴别器；将所述BUMS图像作为生成器的输入，生成器输出生成SWE图像，提取真实SWE图像和生成SWE图像各自对应的RGB三通道图像，结合所述RGB三通道图像，计算生成SWE图像与真实SWE图像间的损失值，并根据损失值反向传播调整生成器参数，同时将生成SWE图像和真实SWE图像作为鉴别器的输入，计算鉴别器对于输入图像的鉴别损失，并根据鉴别损失反向传播调整鉴别器参数；利用所述测试集测试所述生成对抗模型，并根据测试结果评价所述生成对抗模型。
-
公开(公告)号：CN119180750A
公开(公告)日：2024-12-24
申请号：CN202411299578.1
申请日：2024-09-18
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06T3/4038 , G06T7/00 , G06N3/0455 , G06T5/70 , G06N3/048 , G06N3/08 , G06V10/40
Abstract: 本发明涉及一种基于多尺度特征转换的脑卒中虚拟DWI图像的生成方法及系统，其方法包括获取脑部的CT图像和DWI图像并配对，将配对的CT图像和DWI图像预处理，并生成样本集；构建转换模型，并将样本集中预处理后的CT图像和DWI图像输入至转换模型进行训练；将预处理后的目标CT图像输入至训练后的转换模型中，得到目标虚拟DWI图像。本发明通过将配对CT图像和DWI图像预处理，并对构建转换模型训练，通过转换模型的编码器提取目标CT图像的不同尺度特征图，并进行特征转换处理，在解码过程中，转换后的特征图与解码器的特征图逐层拼接，经过迭代得到目标虚拟DWI图像，可精确捕捉到CT图像中的病灶信息，生成更精确的DWI图像。
-
Patent Agency Ranking
公开(公告)号：CN119477934A
公开(公告)日：2025-02-18
申请号：CN202411367768.2
申请日：2024-09-29
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06T7/11 , G06T7/13 , G06N3/0464 , G06T7/136 , G06N3/0985
Abstract: 本发明涉及一种基于超声影像的骨化中心与软骨区域的分割方法及系统，其方法包括获取样本患者的尺骨超声影像，将超声影像进行预处理并生成样本集；基于样本集构建多尺度编码结构的分类网络模型，并将样本集以及对应的尺骨闭合类型输入至分类网络模型中进行训练；将基于目标患者的尺骨超声影像得到的目标样本集输入至训练后的分类网络模型中，获取对应的目标尺骨闭合类型；根据目标尺骨闭合类型将对应的尺骨超声影像输入至分割模型进行分割，并分别得到对应的骨化中心与软骨区域的分割结果。本发明将多尺度特征提取的分类算法和自动分割方法相结合，在保证分类精度良好的情况下能够更好地分割出骨化中心区域，提高了分割效能。
-
公开(公告)号：CN118587153A
公开(公告)日：2024-09-03
申请号：CN202410579622.8
申请日：2024-05-11
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/44 , G16H50/20 , G06N3/0455 , G06N3/084
Abstract: 本申请提供了一种AIS检测模型的配置方法、装置以及处理设备，用于在通过基于Encoder‑Decoder架构的检测模型来配置AIS检测模型的情况下，并具体以分析NCCT影像的所有切面来检测AIS病灶切面和AIS病人的患者级别诊断结果，实现2D切面级别的AIS检测效果和3D患者级别的AIS检测效果，充分利用两种检测任务之间的协同效应，通过同步训练提升两个任务的预测效能，更加适应真实应用场景，具有明显提升的高检测精度，由此可以满足高质量的AIS检测需求。
-
公开(公告)号：CN119251240A
公开(公告)日：2025-01-03
申请号：CN202411122671.5
申请日：2024-08-15
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06T7/11 , G06T7/12 , G06N3/0895
Abstract: 本发明涉及一种斑块自监督分割方法及系统，包括获取样本高分辨率磁共振血管壁图像并进行预处理；对预处理后的每张图像进行图像增强处理；构造自监督模型，并将图像增强处理后的所有图像输入至所述自监督模型进行自监督预训练；将自监督预训练后的所有自监督模型的参数迁移至下游的分割网络模型，并使用预先标记斑块标注的样本高分辨率磁共振血管壁图像对所述分割网络模型进行微调训练；将目标高分辨率磁共振血管壁图像输入至微调训练好的所述分割网络模型中进行分割，得到分割预测图。本发明无需依赖繁琐的手动标注流程，降低了人工标注所带来的成本和时间消耗，高效、可行，为医生提供了更准确、更便捷的斑块定位和评估工具。
-
公开(公告)号：CN118470041A
公开(公告)日：2024-08-09
申请号：CN202410579824.2
申请日：2024-05-11
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06T7/11 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于平扫CT图像的急性脑缺血区域分割方法及系统，其方法包括以下步骤：获取包含急性脑缺血区域的平扫CT图像数据集，对所述平扫CT图像数据集进行数据预处理；基于预处理后的所述平扫CT图像数据集对多尺度卷积结合自注意力机制神经网络进行训练，得到训练完成的目标神经网络；基于训练完成的目标神经网络对待分割CT图像中的脑缺血区域进行分割。因此本发明能精确处理不同尺度形状的急性脑缺血区域，提升急性脑缺血区域的分割效果，辅助医生进行诊断和治疗。
-
公开(公告)号：CN118411373A
公开(公告)日：2024-07-30
申请号：CN202410393215.8
申请日：2024-04-02
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0985
Abstract: 本申请提供了超声骨化中心图像分割模型的处理方法、装置及处理设备，通过引入注意力机制，针对性地设计了超声骨化中心分割模型，获得更为强大的分割性能，实现高效且高精度的超声骨化中心图像分割。方法包括：获取样本超声骨化中心图像；为样本超声骨化中心图像标记对应的超声骨化中心图像分割结果；将标记好的样本超声骨化中心图像作为训练样本，训练初始模型进行超声骨化中心图像分割处理，并得到完成训练的超声骨化中心图像分割模型，其中，模型架构由多个的卷积注意力模块、最大池化层、自注意力模块和上采样层堆叠得到。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.03 seconds)
