-
公开(公告)号：CN113240078B
公开(公告)日：2024-03-19
申请号：CN202110469551.2
申请日：2021-04-26
Applicant: 南方医科大学
IPC: G06N3/0464 , G06N3/08 , G06T7/00 , G06T5/70
Abstract: 本发明公开了一种基于深度学习网络的磁共振R2*参数量化方法，该方法包括：使用第一深度学习网络对输入磁共振T2*加权图像进行去噪声处理；同时使用第二深度学习网络对经过噪声处理后的磁共振T2*加权图像进行磁共振R2*量化预测；所述第一深度学习网络和所述第二深度学习网络组建级联网络。使用深度学习算法对R2*参数进行量化，避免了传统算法的复杂性，减小了量化误差，提升了计算速度，缩短了计算所需的时间。
-
公开(公告)号：CN115908808A
公开(公告)日：2023-04-04
申请号：CN202211482804.0
申请日：2022-11-24
Applicant: 南方医科大学
Abstract: 本发明提供了一种全自动的肝脏T2*参数测量方法、装置、设备及介质，其中方法包括：获得磁共振肝脏T2*加权图像，并计算磁共振肝脏T2*加权图像的R2*图；使用第一深度学习网络去除磁共振肝脏T2*加权图像的背景，得到前景掩膜；将前景掩膜与R2*图相乘，得到去除背景的R2*图；使用第二深度学习网络对去除背景的R2*图上的肝脏进行分割，得到肝脏掩膜；将肝脏掩膜与磁共振肝脏T2*加权图像相乘，得到只含有肝脏的肝脏图像；在得到的肝脏图像中提取肝实质区域，并计算肝实质区域的T2*值，以计算得到的肝实质区域的T2*值作为肝脏磁共振横向弛豫时间T2*参数。本发明能够精确测量肝脏磁共振横向弛豫时间T2*参数，具有较高的泛化能力，无需人工干预。
-
公开(公告)号：CN104899906B
公开(公告)日：2019-02-12
申请号：CN201510323802.0
申请日：2015-06-12
Applicant: 南方医科大学
IPC: G06T11/00
Abstract: 一种基于自适应正交基的磁共振图像重建方法,包括如下步骤：(1)获得原始的k空间数据，对采样的k空间数据进行傅里叶逆变换得到初始重建图像；(2)在正交基约束下建立基于压缩感知的重建模型；(3)对初始重建图像进行分块，随机提取部分图像块进行正交基学习，得到一组自适应正交基；(4)用硬域值法对所有图像块进行自适应正交基下的稀疏表示；(5)用最小二乘法更新重建图像得到当前重建图像；(6)判断当前重建图像是否满足收敛条件，如果收敛，以当前重建图像作为最终的重建图像，否则进入步骤(7)；(7)减小正则化参数取值，以当前重建图像作为初始重建图像，返回步骤(3)。本发明重建速度快、图像质量良好。
-
公开(公告)号：CN109242924A
公开(公告)日：2019-01-18
申请号：CN201811012505.4
申请日：2018-08-31
Applicant: 南方医科大学
Abstract: 一种基于深度学习的核磁共振图像的降采样伪影去除方法,包括如下步骤：步骤一，通过带伪影的样本磁共振图像获得最优模型；步骤二，将带降采样伪影的磁共振图像通过步骤一得到的最优模型处理，得到估计伪影图；步骤三，用带降采样伪影的磁共振图像减去步骤二得的估计伪影图像，然后用测量数据代替对应k空间低频数据得到去伪影图像。该基于卷积神经网络的模型能有效地去除磁共振图像中由于降采样导致的伪影，并且不会造成明显的模糊以及对比度的损失，同时很好地保留图像的细节，并且具有高的鲁棒性和高效性。
-
公开(公告)号：CN106097262A
公开(公告)日：2016-11-09
申请号：CN201610391030.9
申请日：2016-06-02
Applicant: 南方医科大学
CPC classification number: G06T5/009 , G06T11/008 , G06T2207/10088
Abstract: 本发明公开了一种基于拟合精确度加权步长的弥散加权成像运动矫正优化方法，依次包括：(1)利用IVIM双指数模型对采集的多b值图像进行量化参数估计，获得各个量化参数值(D,D*,f)及拟合精确度(R2)；(2)再利用获得的拟合精确度于对应位置上优化步长进行加权；(3)根据不同位置上拟合精确度加权的步长来对我们构建的目标函数进行优化，获得最终的运动矫正变形场结果；本发明对多b值的弥散加权成像运动矫正效果更好。
-
Patent Agency Ranking
公开(公告)号：CN104004511B
公开(公告)日：2016-01-20
申请号：CN201410183249.0
申请日：2014-04-30
Applicant: 南方医科大学
Abstract: 本发明属于生物医学荧光分析技术领域，公开了一种罗丹明荧光纳米复合粒子及其制备方法和应用。该荧光纳米复合粒子的制备包括以下步骤：先将罗丹明6G溶解于蒸馏水中，再用巯基化学物功能化得到罗丹明6G巯基功能化的化学物，利用硅源前驱物在高温和高压下水解与缩合，制备得到罗丹明荧光纳米复合粒子。该荧光复合物不易泄露，经过多次水洗，仍有较强的荧光特性。通过改变硅源前驱物、NH3·H2O两者的比例可以制备出不同粒径大小的二氧化硅包覆荧光素。本发明的复合荧光物其外壳二氧化硅有生物亲和性，可以用于蛋白质的标记，成为纳米生物标记的新型材料。该荧光纳米颗粒的标记方法也为生物医学和分子生物学提供了一种新型的分析方法。
-
公开(公告)号：CN103714521A
公开(公告)日：2014-04-09
申请号：CN201310742267.3
申请日：2013-12-30
Applicant: 南方医科大学
Abstract: 一种基于查询表的肝脏R2*图测量方法：包括：（1）获得磁共振肝脏图像，绘制包含肝脏的感兴趣区域；（2）对给定接收线圈通道数的合流超几何函数进行样条插值，建立相应的查询表；（3）对肝脏感兴趣区域内的每个像素，将其灰度与回波时间拟合到单指数模型在非中心Chi噪声影响下的一阶矩模型中，得到包含肝脏的R2*图。本发明能准确快速测量肝脏的R2*图。
-
公开(公告)号：CN101609452B
公开(公告)日：2011-05-11
申请号：CN200910041049.0
申请日：2009-07-10
Applicant: 南方医科大学
IPC: G06F17/30
Abstract: 本发明公开了一种用于医学图像目标辨识的模糊SVM反馈测度方法，包括：1)对特征数据库中的医学图像数据进行窗宽窗位调整、滤波；2)提取步骤1)处理后的医学图像的硬特征；3)将步骤2)提取的硬特征转换成模糊特征，存入特征数据库中；4)选取一个待比较的医学图像并提取其模糊特征，计算待比较医学图像和特征数据库中的医学图像的模糊相似度，根据模糊相似度的大小，对特征数据库中的医学图像进行排序，按照由高到低的顺序输出M幅图像；5)将这M幅一次输出图像的模糊特征带入到基于模糊特征SVM相关反馈模型中进行计算，重新计算待比较医学图像和特征数据库中所有医学图像的模糊相似度，再输出N幅图像。本发明可有效选取所需医学图像。
-
公开(公告)号：CN117576162A
公开(公告)日：2024-02-20
申请号：CN202311705189.X
申请日：2023-12-12
Applicant: 南方医科大学
Abstract: 本发明提供了一种白质纤维束追踪方法、装置、电子设备和介质，所述方法包括：采集脑部DWI图像，对脑部DWI图像进行预处理得到白质纤维束的信号特征向量，白质纤维束信号特征向量为起始点信号特征向量和/或信号特征向量序列，将白质纤维束的信号特征向量作为白质纤维束追踪模型的输入，输出脑部DWI图像的白质纤维束追踪结果。本发明方法的白质纤维束追踪模型利用卷积神经网络层聚合纤维束各时间点邻域信息，利用注意力机制将纤维束已预测时间点的信息也融合进当前预测中，基于对纤维束信息的全面利用，将纤维束邻域和已预测时间点的信息结合起来能提高预测精度，使纤维束追踪结果同时取得了较好的假阳性率和白质覆盖率。
-
公开(公告)号：CN113240078A
公开(公告)日：2021-08-10
申请号：CN202110469551.2
申请日：2021-04-26
Applicant: 南方医科大学
Abstract: 本发明公开了一种基于深度学习网络的磁共振R2*参数量化方法，该方法包括：使用第一深度学习网络对输入磁共振T2*加权图像进行去噪声处理；同时使用第二深度学习网络对经过噪声处理后的磁共振T2*加权图像进行磁共振R2*量化预测；所述第一深度学习网络和所述第二深度学习网络组建级联网络。使用深度学习算法对R2*参数进行量化，避免了传统算法的复杂性，减小了量化误差，提升了计算速度，缩短了计算所需的时间。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.046 seconds)
