公开(公告)号：CN118898714A

公开(公告)日：2024-11-05

申请号：CN202410921273.3

申请日：2024-07-10

Applicant: 哈尔滨医科大学附属第一医院 ,  黑龙江拓盟科技股份有限公司

Inventor： 李悦 ,  邱兆文 ,  王定宇 ,  陈盈涛 ,  苏翰 ,  盛力 ,  石治宇 ,  宋涛 ,  骆功宁 ,  马兴华 ,  王宽全

IPC: G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V40/14 ,  G06N3/045 ,  G06N3/0464 ,  G06N5/04

Abstract: 本发明一种CCTA冠状动脉及病灶分割方法及系统，属于医学图像分析技术领域，为解决现有的图像级的分类标注训练的分割模型存在掩膜前景区域类别错误率高、边界不准确、分割精度低的问题。包括：步骤S1、采集患者CCTA影像数据，对CCTA影像数据中的冠脉及病灶标注标签，并对数据进行预处理；步骤S2、构建基于因果推理的冠脉及病灶分割模型，包括多标签分类模型和因果推理模型；因果推理模型基于CCTA影像中的分类标签和分割掩膜分别构建类别因果图和解剖因果图，多标签分类模型结合类别因果图和解剖因果图对CCTA影像的冠脉及病灶的分类，进一步得到高精度的分割结果；步骤S3、基于构建的模型对预处理后的待分割CCTA影像进行分割，获得冠脉及病灶的掩膜。

公开(公告)号：CN118887711A

公开(公告)日：2024-11-01

申请号：CN202410921341.6

申请日：2024-07-10

Applicant: 哈尔滨医科大学附属第一医院 ,  黑龙江拓盟科技股份有限公司

Inventor： 李悦 ,  邱兆文 ,  王定宇 ,  陈盈涛 ,  苏翰 ,  盛力 ,  石治宇 ,  宋涛 ,  骆功宁 ,  马兴华 ,  王宽全

IPC: G06V40/14 ,  G06V10/764 ,  G06V10/44 ,  G06V10/42 ,  G06V10/80 ,  G06T7/00 ,  G06T7/68 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明提供一种基于拓扑先验和解剖感知的冠脉分支识别方法及系统，属于医学图像处理技术领域，为解决现有方法难以将冠脉分支在解剖结构上的先验知识应用于冠脉分支结构的识别中对分支结构进行约束校验的问题。包括：步骤S1、采集冠状动脉CCTA影像，对冠脉及病灶进行标注，得到冠脉掩膜，提取CCTA影像中冠脉树各个分支的中心线，并对不同的血管分支类别进行标注；步骤S2、构建基于拓扑先验和解剖感知的冠脉分支识别模型，所述冠脉分支识别模型包括图像编码模块、段内特征聚合模块、段间特征融合模块和解剖感知分类模块；步骤S3、对待测CCTA影像进行预处理并提取冠脉分支的中心线，利用训练好的冠脉分支识别模型对冠脉分支的类别进行分类识别。

公开(公告)号：CN114820656A

公开(公告)日：2022-07-29

申请号：CN202210454425.4

申请日：2022-04-27

Applicant: 哈尔滨医科大学附属第一医院 ,  黑龙江拓盟科技有限公司

Inventor： 李悦 ,  邱兆文 ,  王定宇 ,  罗丹 ,  黄煜欣

IPC: G06T7/11 ,  G06N3/04 ,  G06N3/08 ,  G06T11/00

Abstract: 一种基于空间排序自监督学习的冠脉提取方法及系统，涉及医学图像处理技术领域，用以解决现有的迁移学习方法对于冠状动脉血管提取不准确的问题。本发明的技术要点包括：对CTA图像数据集进行一次预处理和二次预处理，获取自监督训练数据集；将自监督训练数据集输入基于空间排序自监督学习的3D卷积神经网络预训练模型中进行训练，获取训练好的预训练模型，并保存网络模型权重参数；将网络模型权重参数迁移至基于3D卷积神经网络的冠脉分割网络模型，作为初始网络参数；并将具有标记的冠脉区域数据集输入模型进行训练，获取训练好的冠脉分割网络模型；将待分割冠脉区域数据输入训练好的冠脉分割网络模型，实现准确的冠脉提取。