-
公开(公告)号：CN118453612A
公开(公告)日：2024-08-09
申请号：CN202410614527.7
申请日：2024-05-17
Applicant: 哈尔滨医科大学
IPC: A61K31/519 , A61P1/00 , A61P9/00
Abstract: 本发明公开了叶酸在制备治疗心肌炎药物中的应用。所述的叶酸分子式为C19H19N7O6，结构式如下所示。实验证明，叶酸能够减少心肌炎患者巨噬细胞向促炎表型极化和促炎细胞因子TNF‑α、IL‑1β和IL‑6的产生，进而降低急性期和慢性期患者心脏的炎症、抑制慢性期患者心脏的纤维化，达到降低心肌炎患者心肌损伤、改善心脏功能的目的。本发明的提出为心肌炎的治疗提供了一种新的技术手段，有望为医学发展和患者福祉做出积极贡献。#imgabs0#
-
-
公开(公告)号：CN112967295B
公开(公告)日：2024-04-05
申请号：CN202110258693.4
申请日：2021-03-10
Applicant: 中国科学院深圳先进技术研究院 , 哈尔滨医科大学附属第二医院
IPC: G06T7/11 , G06N3/0464 , G06N3/0455 , G06T7/00
Abstract: 本发明提供了一种基于残差网络和注意力机制的图像处理方法及系统，方法包括：获取输入图像，输入图像包括第一图像和第二图像；根据第二图像对第一图像进行预处理，获取第一目标图像，基于第一目标图像获取第一标注图像；根据第一标注图像和第一目标图像对预设分割网络进行训练，获取第一分割网络，第一分割网络是包括具有残差网络和注意力机制的编码解码结构；通过第一分割网络对第一目标图像进行处理，获取输出图像。该方法基于深度学习技术对医学图像进行图像分割处理，恢复出高分辨率二值图像，能够得到更精确的分割结果，且计算效率更高，错误率更小，避免了人为因素干扰，为后续疾病的诊断和治疗提供精确的分割和定位依据。
-
公开(公告)号：CN111583320A
公开(公告)日：2020-08-25
申请号：CN202010188343.0
申请日：2020-03-17
Applicant: 哈尔滨医科大学
Abstract: 本申请提供了种融合深度卷积网络和影像组学特征的乳腺癌超声图分型方法、系统及计算机可读存储介质，该方法包括：获取超声图像，超声图像的对应内容包括乳腺部位；对超声图像进行处理，获得超声图像中的目标区域，该目标区域中包括有乳腺病灶区域图像；对识别出目标区域的超声图像提取第一特征和第二特征；基于所述第一特征和第二特征，进行融合处理，得到第一融合特征；对所述第一融合特征进行特征筛选处理，得到第二融合特征；基于所述第二融合特征，获得乳腺癌超声图像的分型结果。本发明提取高通量的超声图像特征及深度语义特征，并进行融合和特征筛选，实现对超声图像的有效、准确识别。
-
公开(公告)号：CN103942799A
公开(公告)日：2014-07-23
申请号：CN201410172332.8
申请日：2014-04-25
Applicant: 哈尔滨医科大学
IPC: G06T7/00
Abstract: 本发明公开一种基于中智集合理论和水平集曲线演化的乳腺超声图像分割方法及系统，该方法中，获取乳腺超声二维灰度图像；利用中智集合理论对所述乳腺超声二维灰度图像进行滤波处理，去除噪声影响；对滤波处理后的图像在中智理论集合中进行模糊聚类，将乳腺肿块候选区域从图像中分割出来；将所述乳腺肿块候选区域的边界作为水平集合的初始曲线，进行水平集曲线演化；将曲线演化结果的内部区域作为疑似乳腺肿块区域，将该区域赋值为白色，其余区域赋值为黑色，并将该黑白二值图像作为输出图像。本发明可以使分割结果既去除噪声的影响，又保持肿块形状的精确和完整。
-
Patent Agency Ranking
公开(公告)号：CN112990267B
公开(公告)日：2022-06-28
申请号：CN202110174432.4
申请日：2021-02-07
Applicant: 哈尔滨医科大学
IPC: G06K9/62 , G06V10/774 , G06N3/04 , G06T5/50
Abstract: 本发明公开了一种基于风格迁移模型的乳腺超声成像方法、一种基于风格迁移模型的乳腺超声成像装置以及一种计算机可读存储介质，该方法包括以下步骤：获取被检测对象的内容乳腺超声图像，内容乳腺超声图像包括至少一个内容乳腺图像特征；根据内容乳腺超声图像，自动获取N张与内容乳腺超声图像最接近的风格乳腺超声图像，内容乳腺图像特征的分类属于风格乳腺超声图像特征的分类；使用经过训练的风格迁移神经网络对输入的内容乳腺超声图像和N张风格乳腺超声图像处理，得到N张风格转换后的乳腺超声图像；将N张风格转换后的乳腺超声图像输入经训练的乳腺病灶分类网络，得到N个分类结果，将N个分类结果进行平均，得到最终的乳腺病灶分类结果。
-
公开(公告)号：CN112990267A
公开(公告)日：2021-06-18
申请号：CN202110174432.4
申请日：2021-02-07
Applicant: 哈尔滨医科大学
Abstract: 本发明公开了一种基于风格迁移模型的乳腺超声成像方法、一种基于风格迁移模型的乳腺超声成像装置以及一种计算机可读存储介质，该方法包括以下步骤：获取被检测对象的内容乳腺超声图像，内容乳腺超声图像包括至少一个内容乳腺图像特征；根据内容乳腺超声图像，自动获取N张与内容乳腺超声图像最接近的风格乳腺超声图像，内容乳腺图像特征的分类属于风格乳腺超声图像特征的分类；使用经过训练的风格迁移神经网络对输入的内容乳腺超声图像和N张风格乳腺超声图像处理，得到N张风格转换后的乳腺超声图像；将N张风格转换后的乳腺超声图像输入经训练的乳腺病灶分类网络，得到N个分类结果，将N个分类结果进行平均，得到最终的乳腺病灶分类结果。
-
公开(公告)号：CN104794706A
公开(公告)日：2015-07-22
申请号：CN201510158158.6
申请日：2015-04-03
Applicant: 哈尔滨医科大学
IPC: G06T7/00
CPC classification number: G06T7/0012 , G06T2207/10132
Abstract: 本发明公开一种超声图像心肌检测和特征测量方法，包括以下步骤：对左心室超声二维灰度图像BUSI中的每个点用淘汰粒子群聚类算法进行分类，聚类数目为三类，分别表示背景类、组织类和心腔类，其中，聚类依据的每个点的属性值是图像的灰度值；根据淘汰粒子群聚类算法的分类结果，将心腔类区域的边界作为霍夫变换的候选点，对所确定的候选点进行椭圆曲线拟合；将椭圆曲线拟合的结果作为心肌内膜对应的曲线，根据心肌的厚度特性，将心肌内膜对应的曲线扩展，获得心肌外膜对应的曲线；将心肌内膜对应的曲线和心肌外膜对应的曲线之间的区域作为左心室的心肌轮廓区域。
-
公开(公告)号：CN103942799B
公开(公告)日：2017-02-01
申请号：CN201410172332.8
申请日：2014-04-25
Applicant: 哈尔滨医科大学
IPC: G06T7/00
Abstract: 本发明公开一种基于中智集合理论和水平集曲线演化的乳腺超声图像分割方法及系统，该方法中，获取乳腺超声二维灰度图像；利用中智集合理论对所述乳腺超声二维灰度图像进行滤波处理，去除噪声影响；对滤波处理后的图像在中智理论集合中进行模糊聚类，将乳腺肿块候选区域从图像中分割出来；将所述乳腺肿块候选区域的边界作为水平集合的初始曲线，进行水平集曲线演化；将曲线演化结果的内部区域作为疑似乳腺肿块区域，将该区域赋值为白色，其余区域赋值为黑色，并将该黑白二值图像作为输出图像。本发明可以使分割结果既去除噪声的影响，又保持肿块形状的精确和完整。
-
公开(公告)号：CN111583320B
公开(公告)日：2023-04-07
申请号：CN202010188343.0
申请日：2020-03-17
Applicant: 哈尔滨医科大学
IPC: G06T7/40 , G06T7/13 , G06T7/00 , G06T5/50 , G06T5/20 , G06V10/46 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本申请提供了种融合深度卷积网络和影像组学特征的乳腺癌超声图分型方法、系统及计算机可读存储介质，该方法包括：获取超声图像，超声图像的对应内容包括乳腺部位；对超声图像进行处理，获得超声图像中的目标区域，该目标区域中包括有乳腺病灶区域图像；对识别出目标区域的超声图像提取第一特征和第二特征；基于所述第一特征和第二特征，进行融合处理，得到第一融合特征；对所述第一融合特征进行特征筛选处理，得到第二融合特征；基于所述第二融合特征，获得乳腺癌超声图像的分型结果。本发明提取高通量的超声图像特征及深度语义特征，并进行融合和特征筛选，实现对超声图像的有效、准确识别。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.02 seconds)
