-
公开(公告)号：CN119908754A
公开(公告)日：2025-05-02
申请号：CN202411943544.1
申请日：2024-12-27
Applicant: 哈尔滨工业大学 , 中国移动通信集团黑龙江有限公司哈尔滨分公司
Abstract: 一种基于多模态数据的甲状腺血流分析方法，它涉及一种甲状腺血流分析方法。本发明为了解决现有甲状腺血流分析方法不仅由于需要手动标注所以需要大量时间和精力，而且会产生图像颜色偏差和错误血流提取的问题。本发明包括对甲状腺超声图像、甲状腺多普勒图像、临床文本数据(包括非结构化的文本数据和结构化的检测数据)这三种输入进行编码；利用基于注意力机制和张量融合的多模态特征融合技术融合提取的特征；采用LoRA微调中文大模型Baichuan‑7B得到甲状腺血流分析模型，将融合的特征输入模型中得到甲状腺腺的血流情况分析，包含甲状腺腺体和结节的血流的位置、面积、速度等的详细描述，并给出进一步诊断的建议。本发明属于医学图像处理技术领域。
-
公开(公告)号：CN119919655A
公开(公告)日：2025-05-02
申请号：CN202411944674.7
申请日：2024-12-27
Applicant: 哈尔滨工业大学 , 中国移动通信集团黑龙江有限公司哈尔滨分公司
IPC: G06V10/26 , G06V10/54 , G06V10/771 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种基于先验注意力与辅助引导的甲状腺结节分割方法，属于超声医学图像处理技术领域，解决现有基于U‑Net的甲状腺结节超声图像分割准确性不佳、临床应用价值低的问题，包括：构建甲状腺超声图像数据集DS，将甲状腺超声图像数据集DS按比例划分为训练集、验证集和测试集；利用甲状腺结节超声图像ITN进行特征提取，对提取的特征进行最小冗最大相关特征选择，获取优化的甲状腺结节良恶性先验特征；计算整体损失L，在整体损失L的基础上，利用训练集训练PADPU‑Net网络，在训练过程中使用验证集进行验证，获取PADPU‑Net模型MPADPU‑Net；利用PADPU‑Net模型MPADPU‑Net，对甲状腺结节超声图像测试集DSTest进行测试，对测试结果进行优化获取最终甲状腺结节分割结果。
-
公开(公告)号：CN110772281B
公开(公告)日：2022-03-22
申请号：CN201911012719.6
申请日：2019-10-23
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种基于改进射线追踪法的超声CT成像系统，包括全包围超声换能器、信号采集模块、数据处理及成像模块。数据处理及成像模块中的处理器执行储存在存储器中的计算机程序时实施步骤：基于全包围超声换能器扫查人体器官，测量声波的渡越时间；重建目标初始的声速分布；基于目标的声速分布进行B超成像；从B超图像中提取器官组织边界信息；迭代更新声波的传播路径；迭代更新目标的声速分布。本发明与传统成像方案相比，在保证超声CT成像精度的同时，减小计算量，提高重建速度，并改善B超图像的精度和超声CT成像结果中的边缘清晰度。
-
公开(公告)号：CN110772281A
公开(公告)日：2020-02-11
申请号：CN201911012719.6
申请日：2019-10-23
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种基于改进射线追踪法的超声CT成像系统，包括全包围超声换能器、信号采集模块、数据处理及成像模块。数据处理及成像模块中的处理器执行储存在存储器中的计算机程序时实施步骤：基于全包围超声换能器扫查人体器官，测量声波的渡越时间；重建目标初始的声速分布；基于目标的声速分布进行B超成像；从B超图像中提取器官组织边界信息；迭代更新声波的传播路径；迭代更新目标的声速分布。本发明与传统成像方案相比，在保证超声CT成像精度的同时，减小计算量，提高重建速度，并改善B超图像的精度和超声CT成像结果中的边缘清晰度。
-
公开(公告)号：CN110974303A
公开(公告)日：2020-04-10
申请号：CN201911115352.0
申请日：2019-11-14
Applicant: 哈尔滨工业大学(深圳) , 哈尔滨工业大学
Abstract: 本发明涉及一种用于人体组织扫查诊断的超声CT成像系统，包括：超声换能器模块；与所述超声换能器模块连接的运动模块，用于支撑和驱动超声换能器模块动作；与所述超声换能器模块连接的发射采集模块；与所述发射采集模块连接的存储模块；与所述存储模块连接的成像模块；和分别与所述运动模块和所述发射采集模块连接的控制模块。本发明提供的CT成像系统可以快速稳定的对扫描对象重建出精度高、清晰度高和直观性好的人体组织影像。
-
Patent Agency Ranking
公开(公告)号：CN119920393A
公开(公告)日：2025-05-02
申请号：CN202411836807.9
申请日：2024-12-13
IPC: G16H15/00 , G16H30/20 , G16H50/20 , G06T7/00 , G06T7/11 , G06V10/44 , G06V10/46 , G06V10/82 , G06N3/0455 , G06N3/0499
Abstract: 一种甲状腺超声图像诊断报告自动生成方法，它涉及一种诊断报告自动生成方法。本发明为了解决当前甲状腺超声图像诊断报告中存在的人工分析耗时、费力，以及依赖医生专业技能的问题。本发明的步骤包括步骤1、对ResNet‑50网络进行改进，对已分割好的甲状腺超声图像进行特征提取，该网络包括对甲状腺大小、形状特征以及甲状腺结节特征的特定识别模块；步骤2、应用Transformer架构进行图像的语义映射和描述，通过自注意力机制捕捉图像的全局语义信息，生成紧凑的特征向量；步骤3、基于ChatGLM3‑6B预训练模型，结合P‑Tuning V2微调方法，使用标注的甲状腺超声诊断报告数据进行训练，构建超声报告生成模型。本发明属于超声医学图像处理技术领域。
-
公开(公告)号：CN119919514A
公开(公告)日：2025-05-02
申请号：CN202411866073.9
申请日：2024-12-18
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种基于源编码的互相关校正全波形反演超声层析成像方法。步骤1：采集实测声压信号，设置初始声速模型和每个阶段的迭代次数，初始化迭代次数；步骤2：基于步骤1的初始声速模型和每个阶段的迭代次数，在每个阶段的第一次迭代计算预测信号dm(xn,t)与实测信号gm(xn,t)的走时差，基于该走时生成该阶段的中间信号，在该阶段除第一次迭代外不更新走时差；步骤3：基于步骤2产生的中间信号和预测信号，对中间信号和预测信号进行编码；步骤4：基于步骤3编码的中间信号和预测信号，计算伴随波场和梯度，确定声速模型迭代的步长，完成模型更新；步骤5：获取最终模型。本发明在不显著增加计算量的同时提高传统的基于FWI超声层析成像算法的稳定性。
-
公开(公告)号：CN119360156A
公开(公告)日：2025-01-24
申请号：CN202411476338.4
申请日：2024-10-22
IPC: G06V10/774 , G06V10/764 , G06N3/0895 , G06N3/094 , G06N3/0455
Abstract: 一种基于对抗攻击的图像自监督训练方法，它属于计算机视觉领域。本发明解决了传统MIM任务的重点语义信息缺失，导致对语义信息模式的学习能力差以及MIM的泛化能力差的问题。本发明首先对图像中非语义信息部分进行掩码处理，特别是在攻击前后变化最显著的区域，而对其余部分则进行随机掩码。通过这种掩码方式，可以在最大程度保留语义信息的基础上，生成针对语义信息部分的模型重建任务，从而增强模型对语义信息的理解能力。在随后的下游任务微调阶段，通过像素级PGD攻击的对抗训练，深化模型对语义信息的感知能力，显著提高了模型的泛化能力、抗干扰鲁棒性和语义信息提取能力。本发明方法可以应用于图像自监督训练。
-
公开(公告)号：CN113763309B
公开(公告)日：2024-10-15
申请号：CN202011155220.3
申请日：2020-10-26
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/246 , G06T7/11 , G06T7/136 , G06T5/40 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/082
Abstract: 本发明公开了一种基于改进U‑net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法。步骤1：超声图像序列预处理；步骤2：训练ROI提取模型，从步骤1的超声图像中分割出区域；步骤3：基于改进U‑net网络实现步骤2的区域中目标的准确分割；步骤4：利用CNN‑LSTM网络对步骤1的超声图像序列进行分类；步骤5：基于步骤3的分割结果及步骤4的分类结果，利用LSTM网络实现超声图像序列中目标位置的准确预测。本发明为了解决现有方法无法同时对动态超声图像序列进行目标识别与实时跟踪的问题。
-
公开(公告)号：CN115736986B
公开(公告)日：2024-07-23
申请号：CN202211399348.3
申请日：2022-11-09
Applicant: 哈尔滨工业大学
Abstract: 基于L1范数的源编码全波形反演超声层析成像方法及设备，属于面向乳腺癌早期诊断的超声层析成像技术领域。为了解决现有的全波形反演存在计算量需求大，串扰噪声抑制能力弱的问题。本发明所述方法获取观测声压、初始声场、声源等数据，然后以L1范数作为源编码FWI成像的目标函数，迭代地求解L1范数问题并更新声场数据，当满足迭代结束的条件时确定声场最终数据，重建图像。本发明利用L1范数作为源编码FWI算法的目标函数，结合Bregman变量分裂求解问题有效减少了计算量和串扰噪声且加快了收敛速度，适用于乳腺癌早期诊断的新型医学影像超声层析成像的应用。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.06 seconds)
