-
公开(公告)号：CN112102339B
公开(公告)日：2023-07-07
申请号：CN202010995062.6
申请日：2020-09-21
Applicant: 四川大学
Abstract: 本发明公开了一种基于图集配准的全身骨显像骨骼分割方法，包括以下步骤：获得由专业设备采集到的原始全身骨显像数据；对原始的全身骨显像数据进行预处理，包括污染检测处理、污染修补处理、标准化处理、配准处理、正则化处理；根据系统中存储的形变分割模板对所述预处理后的全身骨显像图像进行分割处理，得到全身骨显像的分割结果。通过上述方法，能够对单次全身骨扫描检查的图像进行骨骼定位并为骨病灶的定位提供依据，通过骨显像污染检测和污染修补算法自动降低差异性来提高显像质量，解决不同全身骨扫描间存在的显影差异，实现了对全身骨显像骨骼的快速精准智能定位。
-
公开(公告)号：CN113780425A
公开(公告)日：2021-12-10
申请号：CN202111070262.1
申请日：2021-09-13
Applicant: 四川大学
Abstract: 本发明公开了一种肾小球滤过率自动计算方法，包括步骤：T1：通过肾动态显像图像获取肾小球滤过率GFR值的训练数据；T2：搭建神经网络模型，依次包括：特征提取模块、特征融合模块、回归模块；T3：对搭建的神经网络模型进行训练；T4：使用完成训练的神经网络模型对输入的肾动态显像图像进行肾小球滤过率的自动计算。本发明针对基于每例肾动态显像图像进行肾小球滤过率的计算，这一过程完全由计算机自动完成，仅需输入该次检查时由专业设备采集的肾动态显像图像，不需要其他的人为参数设置和特征指定，提高了基于核医学肾动态检查的肾小球滤过率诊断的精确性与时效性，有一致的处理结果标准以及相当的准确度，便于集成和大规模的应用。
-
公开(公告)号：CN115019049B
公开(公告)日：2022-12-16
申请号：CN202210941269.4
申请日：2022-08-08
Applicant: 四川大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络的骨显像骨病灶分割方法、系统及设备，其目的在于解决现有技术在分割骨显像中的骨病灶时存在的骨显像本身弥散特性带来的标签噪声大的问题。其通过构建一个包括精炼网络和两个神经网络的级联网络模型，并在精炼网络中通过计算骨病灶第一分割结果、骨病灶第二分割结果的DSC指标，将DSC指标高于阈值的骨病灶分割结果定义为第一阶段的可靠病灶分割结果，并提取在第一神经网络、第二神经网络难以辨别的病灶，输出精炼后的分割结果。本发明通过计算两个神经网络输出的一致性，并将每个病灶分割结果使用DSC作为一致性评价指标，能够有效利用噪声样本中的信息，减少因骨显像本身弥散特性带来的标签噪声带来的影响。
-
公开(公告)号：CN114581425B
公开(公告)日：2022-11-01
申请号：CN202210238690.9
申请日：2022-03-10
Applicant: 四川大学
Abstract: 本发明公开了一种基于深度神经网络的心肌段缺损图像处理方法，包括获取心肌灌注显像图像数据，对图像数据中的ROI区域和评分标签进行数据预处理，得到训练集和测试集；构建深度神经网络模型，获取评分标签特征，将评分标签进行特征融合交换；向搭载好的深度神经网络模型中输入心肌灌注显像图像数据预处理数据，输出心肌段缺损评分结果，通过反向传播算法更新网络权值，进行多轮迭代训练深度神经网络模型参数；将训练集输入训练好的深度神经网络模型中，根据心肌段分类指标输出心肌段评分。通过构建深度神经网络模型对心肌灌注显像图像数据进行处理，提高了心肌灌注显像图像数据用于判断心肌灌注显像的准确性和一致性，判断结果更加客观。
-
公开(公告)号：CN112669320A
公开(公告)日：2021-04-16
申请号：CN202110299531.5
申请日：2021-03-22
Applicant: 四川大学
Abstract: 本发明公开了一种基于深度神经网络的SPECT甲状腺显像智能识别方法，涉及图像分析处理技术领域，本发明包含如下三个步骤:数据获取、深度神经网络模型构建和模型验证；本发明利用计算机技术来处理SPECT甲状腺图像，代替医生完成甲状腺摄取模式的识别，可减少人工操作，有一致的处理结果以及相当的准确度，便于集成和大规模的应用。
-
Patent Agency Ranking
公开(公告)号：CN112582048A
公开(公告)日：2021-03-30
申请号：CN202110224148.3
申请日：2021-03-01
Applicant: 四川大学
Abstract: 本发明涉及放射治疗靶区自动勾画技术领域，具体是一种基于深度学习的放射治疗靶区自动勾画系统及方法，用于解决对放射治疗靶区自动勾画的过程中对医师的资质要求高，耗时耗力的问题。包括管理客户端、逻辑服务端、转发服务端和模型服务端；所述管理客户端用于DCM数据的统计、查询、查看和系统用户与权限的管理；所述逻辑服务端用于定义前端主要数据的交互逻辑；所述转发服务端用于提供勾画系统与伽玛刀计划系统或本地PACS系统间DCM数据的转发服务；所述模型服务端用于提供医学数据诊断的模型算法服务，且模型服务端可为病例数据生成包含勾画结果的RTSS文件。本发明降低了医师学习成本、部署成本资质要求，同时节省了时间和劳动力。
-
公开(公告)号：CN113780425B
公开(公告)日：2023-07-21
申请号：CN202111070262.1
申请日：2021-09-13
Applicant: 四川大学
Abstract: 本发明公开了一种肾小球滤过率自动计算方法，包括步骤：T1：通过肾动态显像图像获取肾小球滤过率GFR值的训练数据；T2：搭建神经网络模型，依次包括：特征提取模块、特征融合模块、回归模块；T3：对搭建的神经网络模型进行训练；T4：使用完成训练的神经网络模型对输入的肾动态显像图像进行肾小球滤过率的自动计算。本发明针对基于每例肾动态显像图像进行肾小球滤过率的计算，这一过程完全由计算机自动完成，仅需输入该次检查时由专业设备采集的肾动态显像图像，不需要其他的人为参数设置和特征指定，提高了基于核医学肾动态检查的肾小球滤过率诊断的精确性与时效性，有一致的处理结果标准以及相当的准确度，便于集成和大规模的应用。
-
公开(公告)号：CN115019049A
公开(公告)日：2022-09-06
申请号：CN202210941269.4
申请日：2022-08-08
Applicant: 四川大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络的骨显像骨病灶分割方法、系统及设备，其目的在于解决现有技术在分割骨显像中的骨病灶时存在的骨显像本身弥散特性带来的标签噪声大的问题。其通过构建一个包括精炼网络和两个神经网络的级联网络模型，并在精炼网络中通过计算骨病灶第一分割结果、骨病灶第二分割结果的DSC指标，将DSC指标高于阈值的骨病灶分割结果定义为第一阶段的可靠病灶分割结果，并提取在第一神经网络、第二神经网络难以辨别的病灶，输出精炼后的分割结果。本发明通过计算两个神经网络输出的一致性，并将每个病灶分割结果使用DSC作为一致性评价指标，能够有效利用噪声样本中的信息，减少因骨显像本身弥散特性带来的标签噪声带来的影响。
-
公开(公告)号：CN108230311A
公开(公告)日：2018-06-29
申请号：CN201810003857.7
申请日：2018-01-03
Applicant: 四川大学
IPC: G06T7/00
Abstract: 本发明实施例提供了一种乳腺癌检测方法，所述方法包括：从乳腺彩超报告中识别出的多张待诊断彩超图像；利用深度神经网络对所述多张待诊断彩超图像中的每张待诊断彩超图像进行处理，获得表示所述目标患者是否有乳腺癌或其它乳腺疾病的诊断结果。其中，所述深度神经网络模型在设计后，通过对已经确诊的多个乳腺疾病患者的多张彩超图像进行训练，获得经训练的深度神经网络。测试成功后，所述深度神经网络投入所述乳腺癌的检测方法中。从而使得用户只需要上传乳腺彩超报告，就能够获取检测结果，并且在有效提高了准确率并降低人力成本的同时，在没有或者缺少专业医师的情况下，可以大幅提高诊断效率，为患者节省宝贵的时间。
-
公开(公告)号：CN112926604A
公开(公告)日：2021-06-08
申请号：CN202110348183.6
申请日：2021-03-31
Applicant: 四川大学华西医院
Abstract: 本发明公开了一种唾液腺显像自动分析方法及系统，包括：获取人工检测后的唾液腺显像图像，对人工检测后的唾液腺显像图像进行预处理得到待处理数据，将待处理数据输入至深度神经网络模型中提取唾液腺显像特征数据，建立数据集，并将数据集划分为训练集数据和测试集数据，将训练集数据输入至深度神经网络模型中进行计算，得到唾液腺显像数据结果，并将测试集数据和唾液腺显像数据结果输入深度神经网络模型中，判断唾液腺显像结果是否正确，采集唾液腺显像原始图像，对唾液腺显像原始图像进行分析，得到唾液腺显像原始图像的显像数据结果，仅需输入专业设备采集的唾液腺显像图像，不需人为参数设置，即可自动对唾液腺区域自动勾画和定量分析。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.015 seconds)
