公开(公告)号：CN112037913B

公开(公告)日：2022-08-30

申请号：CN202010966941.6

申请日：2020-09-15

Applicant: 南昌大学 ,  南昌大学第二附属医院

Inventor： 邓立彬 ,  宋莉 ,  赖志强 ,  葛尚华 ,  刘强东 ,  戴芳 ,  娄伟明 ,  李璨 ,  杨晶晶 ,  陈霖佳 ,  彭捷 ,  吴婧婷 ,  邹源 ,  俞晴 ,  吴梓俊

IPC: G16H50/20 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00

Abstract: 本发明属于智能检测技术领域，公开了一种基于卷积神经网络的牙周炎智能检测方法及系统，获取牙周炎患者的全景片图像、根尖片图像以及患者的相关资料数据；并对获取的图像数据进行筛选、预处理；将预处理后的图像分为训练集、测试集以及验证集，并输入构建的卷积神经网络进行训练、验证；对训练的卷积神经网络的参数进行优化，对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；利用经过检测的卷积神经网络进行牙周炎的智能检测。本发明采用计算机智能判读X线片，使牙周病诊断趋于同质化；本发明阅片快速，高效；本发明通过计算机数据判读X线的变化，提高牙周病诊断的效率和准确率，降低医疗成本，易于向基层推广。

公开(公告)号：CN112037913A

公开(公告)日：2020-12-04

申请号：CN202010966941.6

申请日：2020-09-15

Applicant: 南昌大学 ,  南昌大学第二附属医院

Inventor： 邓立彬 ,  宋莉 ,  赖志强 ,  葛尚华 ,  刘强东 ,  戴芳 ,  娄伟明 ,  李璨 ,  杨晶晶 ,  陈霖佳 ,  彭捷 ,  吴婧婷 ,  邹源 ,  俞晴 ,  吴梓俊

IPC: G16H50/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00

Abstract: 本发明属于智能检测技术领域，公开了一种基于卷积神经网络的牙周炎智能检测方法及系统，获取牙周炎患者的全景片图像、根尖片图像以及患者的相关资料数据；并对获取的图像数据进行筛选、预处理；将预处理后的图像分为训练集、测试集以及验证集，并输入构建的卷积神经网络进行训练、验证；对训练的卷积神经网络的参数进行优化，对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；利用经过检测的卷积神经网络进行牙周炎的智能检测。本发明采用计算机智能判读X线片，使牙周病诊断趋于同质化；本发明阅片快速，高效；本发明通过计算机数据判读X线的变化，提高牙周病诊断的效率和准确率，降低医疗成本，易于向基层推广。

公开(公告)号：CN116152193A

公开(公告)日：2023-05-23

申请号：CN202310109923.X

申请日：2023-02-14

Applicant: 南昌大学第二附属医院

Inventor： 陈琦 ,  邓立彬 ,  张伊楚 ,  熊琴梅 ,  葛尚华 ,  郭思琪 ,  田菊 ,  华娟 ,  王晨曦 ,  孔琪玲 ,  熊子仪 ,  汪启均 ,  乐书韫 ,  刘金炜

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G16H30/20 ,  G06N3/0464 ,  G06N3/084 ,  A61B5/318 ,  A61B5/00

Abstract: 本发明公开了基于卷积神经网络的冠心病患者心电图检测方法，具体包括以下步骤：步骤一、获取冠心病患者的ECG图像以及患者冠脉造影数据；步骤二、对获取的图像数据进行匹配筛选、预处理；步骤三、将预处理后的图像分为训练集、测试集以及验证集，并将其输入构建的卷积神经网络进行训练、验证；步骤四、基于验证结果对训练的卷积神经网络参数进行优化；步骤五、利用测试集数据对优化后的卷积神经网络进行预测，检测卷积神经网络的准确度；步骤六、利用经过检测的卷积神经网络进行ECG的智能检测；本发明采用计算机智能判读ECG，较传统方式客观，使冠心病心电图诊断趋于同质化，阅片快速高效，且降低了心电图假阴性概率。

公开(公告)号：CN114170183A

公开(公告)日：2022-03-11

申请号：CN202111487778.6

申请日：2021-12-07

Applicant: 南昌大学

Inventor： 邓立彬 ,  娄伟明 ,  汤晓丽 ,  刘越 ,  葛尚华 ,  邬以国 ,  高建莹 ,  傅芬 ,  石超

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明公开了一种基于病理图像分析的卵巢癌化疗敏感性预测方法和系统，主要包括以下步骤：1.获取卵巢癌的病理组织切片图像；2.切片图像切割成色块并筛选；3.将色块分为训练集和验证集，并输入卷积神经网络进行模型构建及图像特征提取；4.基于图像特征预测个体化疗敏感性评分；5.利用测试集数据对优化后的复合模型进行预测，检测准确度。预测系统包括卵巢组织切片图像处理模块、图像特征提取模块、特征选择及化疗敏感性评分计算模块和卵巢癌化疗敏感性智能预测模块。本发明能够凭借病理切片实现智能检测，实现快速准确预测卵巢癌患者的化疗反应性。