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

Inventor： 冯衍秋 ,  陆琪琪 ,  张鑫媛 ,  连梓锋 ,  王华峰 ,  陈凌剑 ,  龚剑 ,  陈武凡

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

Inventor： 冯衍秋 ,  连梓锋 ,  王华峰 ,  龚剑 ,  胡秋根 ,  陈凌剑

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

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：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

Inventor： 胡云睿 ,  张念椿 ,  冯衍秋 ,  陈武凡 ,  冯前进 ,  龚剑 ,  张志德 ,  卢广文 ,  朱祥林

IPC: C09K11/06 ,  C09K11/02 ,  G01N33/58

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：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

Inventor： 冯衍秋 ,  陆琪琪 ,  张鑫媛 ,  连梓锋 ,  王华峰 ,  陈凌剑 ,  龚剑 ,  陈武凡

IPC: G06N3/04 ,  G06N3/08 ,  G06T7/00 ,  G06T5/00

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：CN104004511A

公开(公告)日：2014-08-27

申请号：CN201410183249.0

申请日：2014-04-30

Applicant: 南方医科大学

Inventor： 胡云睿 ,  张念椿 ,  冯衍秋 ,  陈武凡 ,  冯前进 ,  龚剑 ,  张志德 ,  卢广文 ,  朱祥林

IPC: C09K11/06 ,  C09K11/02 ,  G01N33/58

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：CN115775235A

公开(公告)日：2023-03-10

申请号：CN202211482818.2

申请日：2022-11-24

Applicant: 南方医科大学

Inventor： 冯衍秋 ,  陆琪琪 ,  程希元 ,  王华峰 ,  龚剑 ,  陈凌剑 ,  胡秋根

IPC: G06T7/00 ,  G06T5/00 ,  G06V10/80 ,  G06T1/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于循环网络的磁共振参数量化方法、装置、设备及介质，其中方法包括：采集不同对比度的多幅磁共振加权图像；将多幅磁共振加权图像输入已构建的循环神经网络中，多次循环后，得到磁共振参数图像；其中，循环神经网络是基于物理模型和卷积神经网络构建而成的，对于循环神经网络的每一次循环，对应输入为不同对比度的多幅磁共振加权图像和循环神经网络上一次循环输出的状态参数，对应输出为循环神经网络本次循环计算得到的磁共振参数图像和状态参数；物理模型由不同对比度的多幅磁共振加权图像的采集过程确定。本发明解决了现有深度学习技术无法在输入的磁共振加权图像的采集参数发生较大改变时进行高质量参数量化的问题。