公开(公告)号：CN116630324B

公开(公告)日：2023-10-13

申请号：CN202310912201.8

申请日：2023-07-25

Applicant: 吉林大学

Inventor： 周柚 ,  贺梓泠 ,  安光辉 ,  宋磊 ,  王昌龙 ,  孙铭蔚 ,  王鏐璞 ,  杜伟

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明适用于医学图像处理技术领域，提供了一种基于深度学习的MRI图像自动评估腺样体肥大的方法，包括以下步骤：将采集的DICOM格式的MRI图像转换为PNG格式，从矢状位的图像序列中挑选鼻中隔所在的一帧及其左右几帧作为数据集，对图像进行预处理；图像增强，扩充数据集；制作标签；对图像进行特征提取；在图像中自动定位四个地标并计算腺样体厚度与鼻咽腔间隙的比值（AN比值），评估该图像对应患者是否存在腺样体肥大。本发明通过自动定位四个地标进而计算AN比值，实现对患者是否存在腺样体肥大的自动评估，有利于减少医生的重复、费时的测量工作，辅助医生进行腺样体肥大的评估诊断。

公开(公告)号：CN119625322A

公开(公告)日：2025-03-14

申请号：CN202510157012.3

申请日：2025-02-13

Applicant: 吉林大学

Inventor： 王昌龙 ,  周柚 ,  金颖 ,  李沅书 ,  王鏐璞 ,  杜伟

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明适用于医学图像处理技术领域，提供了一种基于深度学习的脊柱区域超声图像语义分割方法，包括以下步骤：将采集到的脊柱侧弯患者的脊柱区域超声视频数据转换为JPG格式的图片集合，对棘突和横突区域清晰的图像进行预处理；标注棘突和横突区域，得到用来语义分割的标签，利用棘突类和横突类的标签生成辅助类标签，构建出脊柱区域超声图像数据集；将数据集划分为训练集、验证集和测试集；生成反映先验知识的概率热图；设计特定的神经网络模型结构；在数据集上训练和测试模型，以实现对图像中棘突类和横突类的精准分割。本发明不仅实现了脊柱区域超声图像的精准分割，更为后续的脊柱模型重建及Cobb角的测量工作提供了强有力的支持。

公开(公告)号：CN116630324A

公开(公告)日：2023-08-22

申请号：CN202310912201.8

申请日：2023-07-25

Applicant: 吉林大学

Inventor： 周柚 ,  贺梓泠 ,  安光辉 ,  宋磊 ,  王昌龙 ,  孙铭蔚 ,  王鏐璞 ,  杜伟

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明适用于医学图像处理技术领域，提供了一种基于深度学习的MRI图像自动评估腺样体肥大的方法，包括以下步骤：将采集的DICOM格式的MRI图像转换为PNG格式，从矢状位的图像序列中挑选鼻中隔所在的一帧及其左右几帧作为数据集，对图像进行预处理；图像增强，扩充数据集；制作标签；对图像进行特征提取；在图像中自动定位四个地标并计算腺样体厚度与鼻咽腔间隙的比值（AN比值），评估该图像对应患者是否存在腺样体肥大。本发明通过自动定位四个地标进而计算AN比值，实现对患者是否存在腺样体肥大的自动评估，有利于减少医生的重复、费时的测量工作，辅助医生进行腺样体肥大的评估诊断。