-
公开(公告)号：CN117746129A
公开(公告)日：2024-03-22
申请号：CN202311761412.2
申请日：2023-12-20
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/0895
Abstract: 本发明公开了一种基于自监督学习的图像分类方法、系统及电子设备，涉及图像分类技术领域。方法包括：获取待分类图像；将待分类图像输入到图像分类模型中，得到待分类图像的图像种类；本发明通过搭建和训练初始自监督特征学习模型和初始图像分类模型，能够提高图像分类精度。
-
公开(公告)号：CN117078856A
公开(公告)日：2023-11-17
申请号：CN202311053442.8
申请日：2023-08-21
Applicant: 复旦大学
Abstract: 本申请公开了一种基于CT图像的血管树三维拓扑模型构建方法，涉及血管树建模领域，通过CT图像采集步骤和CT图像筛选步骤对目标部位进行全方位CT图像采集，并进行进一步的筛选，得到目标部位可血管树建模CT图像，减小了血管树建模的误差，提高了血管树建模的准确性，通过CT图像分裂步骤将目标部位可血管树建模CT图像进行分裂处理，并通过CT图像分析步骤确定血管区域，血管分级步骤和拓扑排列步骤确定血管区域的血管等级，建立目标部位可血管树建模CT图像的血管拓扑图，进一步提高了血管树建模的准确性，减小了血管树建模误差带来的安全隐患，保障了病患的生命健康，促进了医疗技术的进一步发展。
-
公开(公告)号：CN116843714A
公开(公告)日：2023-10-03
申请号：CN202310840012.4
申请日：2023-07-10
Applicant: 复旦大学
Abstract: 本申请公开了一种采用区域生长法的CT图像血管重建方法，涉及血管重建领域，通过CT图像获取步骤获取目标部位的CT图像，通过图像预处理步骤对CT图像预处理得到可处理CT图像，最后通过种子点选择步骤、区域生长分析步骤、区域判断步骤和血管重建步骤对血管进行重建，极大的提高血管重建的准确性，进一步提高了血管重建的工作效率，促进了血管重建领域的医疗发展，通过区域停止判断步骤，对已经确认的血管区域进行再分析，使得在血管重建前血管区域的标注更为完善具体，提高了血管重建结果的准确性和完整性，降低了医疗事故的发生概率，保障了病人的生命财产安全。
-
公开(公告)号：CN119868763A
公开(公告)日：2025-04-25
申请号：CN202510254178.7
申请日：2025-03-05
Applicant: 复旦大学
Abstract: 本发明涉及医疗技术领域，具体为一种基于微型导管末端力的反馈方法及系统，方法包括以下步骤：通过CT扫描获取患者血管的三维数据,并对三维数据进行预处理，从预处理后的三维数据中进行特征提取生成处理后的特征数据集；通过导管末端的力传感器采集接触力信号S，对采集的接触力信号进行小波变换，分解为不同分辨率下的近似系数和细节系数；对细节系数Dj进行卡尔曼滤波得到滤波后的估计信号，将滤波后的估计信号作为滤波后的细节系数；基于小波逆变换将近似系数Aj和滤波后的细节系数D′j重构为时域信号S′，将时域信号传递至导管控制系统；将CT影像、实时力信号和导管位置信息进行融合得到融合信号；能够提高了导管控制的精度。
-
公开(公告)号：CN118512238A
公开(公告)日：2024-08-20
申请号：CN202410636681.4
申请日：2024-05-22
Applicant: 复旦大学附属中山医院
IPC: A61B17/3207 , A61B17/00 , A61B17/3209 , A61M25/10
Abstract: 本发明公开了一种主动脉瓣狭窄修复器械，包括可收入输送鞘中的瓣叶切割支架和可收入瓣叶切割支架中的瓣叶切割球囊，瓣叶切割支架包括切割支架本体，瓣叶切割球囊包括气管以及可扩张的球囊本体，球囊本体设于切割支架本体的三个圆脚之间；当瓣叶切割支架收入输送鞘中时，球囊本体外侧圆周上的每个刀片与其对应的凹槽相贴合；当瓣叶切割支架和瓣叶切割球囊被推出输送鞘，且球囊本体完全张开后，每个刀片再次压紧于其对应的凹槽内。本发明通过球囊的扩张，切割瓣叶，完成瓣叶切割后撤出全套器械，实现无植入改善主动脉瓣狭窄。
-
Patent Agency Ranking
公开(公告)号：CN118230105A
公开(公告)日：2024-06-21
申请号：CN202410349310.8
申请日：2024-03-26
Applicant: 复旦大学
IPC: G06V10/80 , G06V10/77 , G06V10/82 , G06V10/778 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及图像融合技术领域，具体为一种基于ViT的多尺度医学图像融合方法，包括以下步骤：S1：获取若干台数据采集设备，将数据采集设备的总数量记为M，基于数据采集设备获取多尺度医学图像数据，构成数据集；S2：将训练集输入到多尺度嵌入模块，基于切分模块将输入的训练集切分成多个子切片；基于嵌入映射模块将多个子切片映射为一维向量，得到子切片嵌入向量；S3：基于ViT构建多尺度特征提取模块，基于多尺度特征提取模块对各个子切片嵌入向量进行特征信息提取，得到多尺度特征信息，能够更全面的将所有多尺度特征信息进行逐个融合，更加准确的获取到多尺度图像融合后的符合临床实际需求的新医学图像。
-
公开(公告)号：CN119494366A
公开(公告)日：2025-02-21
申请号：CN202411573461.8
申请日：2024-11-06
Applicant: 复旦大学
IPC: G06N3/0455 , G06N3/0464 , G06N3/0985 , G06N3/084 , G06F18/25 , G06F18/213
Abstract: 本发明公开了一种面向模态信息不平衡场景的多模态学习方法，涉及多模态信息学习技术领域，该方法包括预训练阶段和下游任务阶段；预训练阶段采集图像、文本、音频信息构建数据集，经映射模块获取统一编码向量，进行联合表征向量化组成三元表征向量，随机掩码后由Transformer编解码器处理以训练出模型M；下游任务阶段，多模态信息经映射模块和联合表征后传入模型M训练，生成多模态融合信息；本发明基于Transformer编解码器的模型M可有效解决传统模型面对模态不平衡的性能下降问题，使模态信息更均衡，提升多模态信息感知能力，结合下游任务数据训练提升下游任务学习效果，具有良好的落地性、高效性和通用性。
-
公开(公告)号：CN119991723A
公开(公告)日：2025-05-13
申请号：CN202510067649.3
申请日：2025-01-16
Applicant: 复旦大学
Abstract: 本发明涉及医学图像分割技术领域，具体为一种卷积神经网络与图网络结合的医学影像分割方法，方法包括以下步骤：将通过计算机断层扫描(CT)设备采集到冠状动脉CT造影三维图像数据构成数据集CoronarySet，将数据集CoronarySet随机划分为训练集CoronarySet1和测试集CoronarySet2；将训练集CoronarySet1的数据切分为多个patches；将patches输入到双分支平行编码器中得到多层冠状动脉纹理特征图与多层冠状动脉拓扑特征图；构建特征融合模块，基于注意力机制模块将不同层的纹理特征图和拓扑特征图融合，得到融合血管特征；将三维卷积模块的浅层特征与融合血管特征依次输入到分割解码器的每一层，能够提取三维血管结构，使得血管分割结果更连续、更精准。
-
公开(公告)号：CN118470313A
公开(公告)日：2024-08-09
申请号：CN202410519430.8
申请日：2024-04-28
Applicant: 复旦大学
IPC: G06V10/26 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82 , G06V40/14 , G06V40/18 , G06N3/045 , G06N3/0464 , G06N5/045
Abstract: 本发明涉及图像处理技术领域，具体为一种基于CNN的病灶血管统一分割方法，包括以下步骤：S1：获取原始视网膜图像数据，构成数据集RetinalD，所述数据集RetinalD包括视网膜彩色RGB图像数据以及眼底病灶与血管分割的标注数据，将数据集RetinalD分割成训练集RetinalD1和测试集RetinalD2；S2：对所述训练集RetinalD1进行数据增强模块DataAug处理，得到增强视网膜图像FRetinalD数据集；S3：将增强视网膜图像FRetinalD数据集输入到交叉融合网络TFNet中；基于交叉融合网络TFNet构建并训练生成病灶血管统一分割模型TFModel；S4：将测试集RetinalD2输入到病灶血管统一分割模型TFModel中，得到目标医学图像。本发明能够将视网膜病灶特征与视网膜特征信息相结合，提升病灶分割的准确性。
-
公开(公告)号：CN117975217A
公开(公告)日：2024-05-03
申请号：CN202410200931.X
申请日：2024-02-23
Applicant: 复旦大学
Abstract: 本发明公开一种基于ViT和神经网络的眼科疾病状态预估方法，涉及眼科疾病状态预估技术领域，方法包括:将预处理后的待测试眼底图像的眼底图像数据集输入至残差卷积模块生成全局特征计算模型，输入至基于ViT的编码模块生成局部特征计算模型；将预处理后的眼底图像数据集输入至局部特征计算模型确定眼底图像数据集的全局特征信息图谱，输入至局部特征计算模型确定眼底图像数据集的局部特征信息图谱；将全局特征信息图谱与局部特征信息图谱输入至特征融合层生成多通道特征信息图谱；将多通道特征信息图谱输入至状态预估模块确定待测试眼底图像中的眼底图像预测结果。兼顾预测眼底图像的全局特征信息和局部特征信息，保证了预测结果准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
