-
公开(公告)号：CN118334355A
公开(公告)日：2024-07-12
申请号：CN202410769763.6
申请日：2024-06-14
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06V10/26 , G06V20/60 , G06V10/44 , G06V10/42 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/096 , G16H30/40 , G16H50/20
Abstract: 本发明涉及医疗评估技术领域，具体涉及基于自动分割模型的克罗恩病组织成分定量特征分析方法，包括以下步骤：结合克罗恩病组织成分定量特征与克罗恩病表型间的关联关系；通过对分割结果的一致性验证，验证克罗恩病组织成分定量特征在CT图像分割模型、MRI图像分割模型和人工分割上的一致性。本发明利用CT图像分割模型和MRI图像分割模型，实现CT成像和MRI成像中脂肪和肌肉区域的全自动分割，定量化获得脂肪和肌肉分布特征，得到克罗恩病组织成分定量特征，并通过临床分析和一致性验证，对克罗恩病组织成分定量特征进行分析验证。
-
Patent Agency Ranking
公开(公告)号：CN118982547A
公开(公告)日：2024-11-19
申请号：CN202410771463.1
申请日：2024-06-14
Applicant: 华中科技大学同济医学院附属同济医院
Inventor： 周紫玲
IPC: G06T7/11 , G06V10/764 , G06T7/194
Abstract: 本发明涉及图像处理技术领域，具体涉及基于MRI成像中脂肪和肌肉区域自动分割的数据处理方法，包括以下步骤：通过单部位分段扫描方法获取多个包含脂肪和肌肉区域的MRI图像；通过FCM算法在各个MRI图像中获取脂肪和肌肉区域的真实标注；将MRI图像与脂肪和肌肉区域的真实标注构成数据集；基于数据集，对所述CT图像自动分割模型进行迁移学习，得到MRI图像自动分割模型，以实现在MRI图像中对脂肪和肌肉区域进行自动分割。本发明在进行MRI肠道成像过程中，横断面成像腹部区域进行分段扫描，避免层面遗漏，即避免信息丢失，并去除分段扫描之间的重复层面，采用位移变换方法使层面衔接能够完整匹配。
-
公开(公告)号：CN118334356B
公开(公告)日：2024-08-20
申请号：CN202410770022.X
申请日：2024-06-14
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/096 , G16H30/40 , G16H50/20
Abstract: 本发明涉及医学图像处理技术领域，具体涉及基于迁移学习的MRI成像中脂肪和肌肉区域自动分割方法，包括以下步骤：基于TransUNet模型进行训练，得到在CT成像中对脂肪和肌肉区域进行自动分割的CT图像分割模型；基于MRI单采集多相位序列图像和图像中脂肪和肌肉区域的真实标注，对所述CT图像分割模型进行迁移学习，得到在MRI图像中对脂肪和肌肉区域进行自动分割的MRI图像单采集多相位分割模型。本发明利用迁移学习能够节省人工标注样本时间的特点，通过CT成像中脂肪和肌肉区域的全自动分割向MRI图像少标注数据的迁移，进而训练得到基于MRI四相位图像的高准确性分割模型，提升了MRI成像中脂肪和肌肉区域的全自动分割的精准性。
-
公开(公告)号：CN118334355B
公开(公告)日：2024-08-20
申请号：CN202410769763.6
申请日：2024-06-14
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06V10/26 , G06V20/60 , G06V10/44 , G06V10/42 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/096 , G16H30/40 , G16H50/20
Abstract: 本发明涉及医疗评估技术领域，具体涉及基于自动分割模型的克罗恩病组织成分定量特征分析方法，包括以下步骤：结合克罗恩病组织成分定量特征与克罗恩病表型间的关联关系；通过对分割结果的一致性验证，验证克罗恩病组织成分定量特征在CT图像分割模型、MRI图像分割模型和人工分割上的一致性。本发明利用CT图像分割模型和MRI图像分割模型，实现CT成像和MRI成像中脂肪和肌肉区域的全自动分割，定量化获得脂肪和肌肉分布特征，得到克罗恩病组织成分定量特征，并通过临床分析和一致性验证，对克罗恩病组织成分定量特征进行分析验证。
-
公开(公告)号：CN118762043A
公开(公告)日：2024-10-11
申请号：CN202410771458.0
申请日：2024-06-14
Applicant: 华中科技大学同济医学院附属同济医院
Inventor： 周紫玲
IPC: G06T7/11 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/045
Abstract: 本发明涉及图像处理技术领域，具体涉及基于CT成像中脂肪和肌肉区域自动分割的数据处理方法，包括以下步骤：获取多个包含脂肪和肌肉区域的CT图像；以窗处理和灰度线性拉伸、双边滤波、直方图均衡化和CT床板去除的顺序，对各个所述CT图像进行预处理；在各个CT图像中获取脂肪和肌肉区域的真实标注；将预处理后的CT图像与脂肪和肌肉区域的真实标注构成数据集；通过TransUNet模型，在所述数据集上进行训练，得到CT图像分割模型，以实现在CT成像中对脂肪和肌肉区域进行自动分割。本发明构建半自动数据扩增标注策略，全面学习和整合CT肠道成像图像的3D切片间和切片内特征，实现脂肪和肌肉的有效和快速标注，减少人工标注工作量，提高分割效率。
-
公开(公告)号：CN118334356A
公开(公告)日：2024-07-12
申请号：CN202410770022.X
申请日：2024-06-14
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/096 , G16H30/40 , G16H50/20
Abstract: 本发明涉及医学图像处理技术领域，具体涉及基于迁移学习的MRI成像中脂肪和肌肉区域自动分割方法，包括以下步骤：基于TransUNet模型进行训练，得到在CT成像中对脂肪和肌肉区域进行自动分割的CT图像分割模型；基于MRI单采集多相位序列图像和图像中脂肪和肌肉区域的真实标注，对所述CT图像分割模型进行迁移学习，得到在MRI图像中对脂肪和肌肉区域进行自动分割的MRI图像单采集多相位分割模型。本发明利用迁移学习能够节省人工标注样本时间的特点，通过CT成像中脂肪和肌肉区域的全自动分割向MRI图像少标注数据的迁移，进而训练得到基于MRI四相位图像的高准确性分割模型，提升了MRI成像中脂肪和肌肉区域的全自动分割的精准性。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
