-
公开(公告)号：CN118969311A
公开(公告)日：2024-11-15
申请号：CN202411227686.8
申请日：2024-09-03
Applicant: 南方医科大学南方医院
IPC: G16H50/70 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于人工智能的患者画像生成方法及系统，其中一种基于人工智能的患者画像生成方法包括：对患者数据集进行预处理；对预处理后的患者数据集进行特征学习，提取患者画像特征；基于患者画像特征构建预测模型，并对预测模型进行训练，当满足迭代条件时，停止训练；利用训练完的预测模型生成患者画像；本发明在处理复杂数据时具有更强的适应性和更高的准确性，能够生成更加精准且全面的患者画像，为个性化医疗和精准治疗提供了更为可靠的支持。
-
公开(公告)号：CN107491789A
公开(公告)日：2017-12-19
申请号：CN201710734960.4
申请日：2017-08-24
Applicant: 南方医科大学南方医院
CPC classification number: G06K9/6269 , G06T7/0012 , G06T7/12 , G06T2207/10081 , G06T2207/20104 , G06T2207/20116 , G06T2207/30096
Abstract: 本发明属于肿瘤学、影像学、机器学习等领域，涉及一种基于支持向量机的胃肠间质瘤恶性潜能分类模型的构建方法。本发明所述的构建方法包括：数据采集：腹部增强期薄层CT图像采集；提取和筛选特征；通过交叉验证获得惩罚参数和核函数参数；通过以上参数建立分类模型；模型分类效能的验证。本发明所述方法所构建的基于支持向量机分类模型，能准确将胃肠间质瘤分成低度恶性潜能和高度恶性潜能两大分类，且属于一种无创技术，基于现有影像资源，不会增加患者的额外费用，有利于临床推广使用。
-
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。
-
公开(公告)号：CN101609550A
公开(公告)日：2009-12-23
申请号：CN200910041051.8
申请日：2009-07-10
Applicant: 南方医科大学
CPC classification number: G06K9/6203 , G06K9/6214
Abstract: 本发明公开了一种基于流形子空间的图像配准方法，包括以下步骤：(1)分别读入待配准的目标图像和浮动图像；(2)分别计算待配准的目标图像和浮动图像在不同尺度和方向上的相位一致性；(3)利用流形子空间方法对不同尺度和方向上的相位一致性信息进行融合，从而得到目标图像和浮动图像的主相位一致性信息；(4)分别将目标图像和浮动图像的主相位一致性信息看作模糊集合，采用模糊数学中的贴近度，计算主相位一致性信息的模糊相似性；(5)以主相位一致性信息的模糊相似性作为目标函数，采用Powell算法搜索目标函数的最大值，当模糊相似性达到最大时，完成配准。本发明在图像空间分辨率较低，有噪声影响等情况下，配准精度高、鲁棒性强。
-
公开(公告)号：CN106530321A
公开(公告)日：2017-03-22
申请号：CN201610964660.0
申请日：2016-10-28
Applicant: 南方医科大学
Abstract: 本发明涉及一种基于方向和尺度描述子的多图谱图像分割方法，以下步骤：首先读入所有图谱灰度图像Itrain和对应的图谱标号图像L，再读入待分割图像Itarget，将待分割图像作为参考图像，图谱灰度图像作为浮动图像，将所有图谱灰度图像Itrain逐一配准到目标图像，得到使图谱灰度图像变形的形变场T(T＝(T1,T2,......,TK))及形变后的图谱灰度图像I'train，然后将形变场作用到对应图谱标号图像上，得到变形后的图谱标号图像L'，利用L'先验信息，确定待分割图像中海马体解剖位置，确定感兴趣区域，感兴趣区域内的像素为目标像素；计算图谱灰度图像所有像素以及目标像素的方向和尺度描述子S，方向和尺度描述子为一种新的像素特征，该分割方法能减小图谱间亮度不均匀造成的分割误差，提高分割精度。
-
Patent Agency Ranking
公开(公告)号：CN105205810A
公开(公告)日：2015-12-30
申请号：CN201510539859.4
申请日：2015-08-30
Applicant: 南方医科大学
IPC: G06T7/00
CPC classification number: G06T2207/10088 , G06T2207/20021 , G06T2207/30016
Abstract: 一种基于距离场融合的MR图像海马体分割方法。包括：（1）对初始待分割的MR测试图像归一化处理，去除颅骨和偏移场，得到归一化处理后的MR测试图像；（2）将MR训练集图像和训练集标号图像配准到MR测试图像；（3）将配准后的标号图像经过距离变换得到距离场DF；（4）对MR测试图像中的点取图像块并转化成一个列向量；（5）定义搜索窗选取MR字典和DF字典；（6）用局部线性表达测试样本，求字典权值系数向量；（7）得到测试样本的DF预测图像块向量，并把转化为图像块；（8）重复步骤（4）-（7），获得每个点的DF值；（9）得到测试图像每个点所对应的标号。本发明方法能够从MR图像中准确地分割目标。
-
公开(公告)号：CN103077522B
公开(公告)日：2015-06-10
申请号：CN201310024338.6
申请日：2013-01-22
Applicant: 南方医科大学
IPC: G06T7/00
Abstract: 本发明涉及一种改进的局部形变明显图像的配准方法，该方法包括以下步骤：先分别输入待配准的参考图像I和浮动图像J，然后采用B样条的多分辨率网格自由形变方法进行配准；所述的B样条的多分辨率网格自由形变方法中，每一层形变后的浮动图像T(J)与参考图像I的配准过程为：将式（1）内和中绝对值大于γ者进行相应替换，其余不变，最后则以新得到的函数为目标函数采用l-BFGS法迭代求解，在相邻两次迭代满足预设的终止条件时，即完成该层形变后的浮动图像T(J)与参考图像I的配准。本发明所述的配准方法可显著提高配准的精度和鲁棒性。
-
公开(公告)号：CN102033933B
公开(公告)日：2012-02-01
申请号：CN201010594547.0
申请日：2010-12-17
Applicant: 南方医科大学
IPC: G06F17/30
Abstract: 本发明公开了一种最大化平均查准率均值(MAP)的距离测度优化方法，包括以下步骤：(1)获取包含查询图像-待查询图像对集合的图像数据库；(2)采用平滑函数对MAP进行逼近，将其转换为目标函数并添加正则化项，使得目标函数是连续可微的；(3)使用图像数据库中的查询图像-待查询图像对，采用基于梯度下降的优化技术对目标函数进行优化，并重复优化过程，取使MAP最大的解作为最优的线性变换矩阵；(4)获得由最优线性变换矩阵定义的距离测度。本方法的具有优化过程和目标直接的特点，用本方法得到的距离测度可达到更好的图像检索性能。
-
公开(公告)号：CN102033933A
公开(公告)日：2011-04-27
申请号：CN201010594547.0
申请日：2010-12-17
Applicant: 南方医科大学
IPC: G06F17/30
Abstract: 本发明公开了一种最大化平均查准率均值(MAP)的距离测度优化方法，包括以下步骤：(1)获取包含查询图像-待查询图像对集合的图像数据库；(2)采用平滑函数对MAP进行逼近，将其转换为目标函数并添加正则化项，使得目标函数是连续可微的；(3)使用图像数据库中的查询图像-待查询图像对，采用基于梯度下降的优化技术对目标函数进行优化，并重复优化过程，取使MAP最大的解作为最优的线性变换矩阵；(4)获得由最优线性变换矩阵定义的距离测度。本方法的具有优化过程和目标直接的特点，用本方法得到的距离测度可达到更好的图像检索性能。
-
公开(公告)号：CN106530321B
公开(公告)日：2019-07-12
申请号：CN201610964660.0
申请日：2016-10-28
Applicant: 南方医科大学
Abstract: 本发明涉及一种基于方向和尺度描述子的多图谱图像分割方法，以下步骤：首先读入所有图谱灰度图像Itrain和对应的图谱标号图像L，再读入待分割图像Itarget，将待分割图像作为参考图像，图谱灰度图像作为浮动图像，将所有图谱灰度图像Itrain逐一配准到目标图像，得到使图谱灰度图像变形的形变场T(T＝(T1,T2,......,TK))及形变后的图谱灰度图像I'train，然后将形变场作用到对应图谱标号图像上，得到变形后的图谱标号图像L'，利用L'先验信息，确定待分割图像中海马体解剖位置，确定感兴趣区域，感兴趣区域内的像素为目标像素；计算图谱灰度图像所有像素以及目标像素的方向和尺度描述子S，方向和尺度描述子为一种新的像素特征，该分割方法能减小图谱间亮度不均匀造成的分割误差，提高分割精度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
