一种乳腺病灶定位方法和系统
    1.
    发明公开

    公开(公告)号:CN110349141A

    公开(公告)日:2019-10-18

    申请号:CN201910600002.7

    申请日:2019-07-04

    Inventor: 周世崇 施俊 常才

    Abstract: 本发明提供一种乳腺的病灶定位方法和装置,主要基于乳腺超声视频序列数据,对视频序列进行拆分,处理成连续的图像帧序列,与传统超声图像相比增加了更多的信息量,避免人工选择出现的样本过好的情况,并采用深度学习的方法训练模型,从而对测试集数据实现端到端的定位,同时能够对乳腺病灶区域进行自动检测,最大化的利用了受检者的信息,并为医生的诊断提供了有效的辅助作用,减轻了医生的工作负担。

    一种水相中制备水凝胶的制备方法及水凝胶在肿瘤免疫微环境评估超声检测的应用

    公开(公告)号:CN119409991A

    公开(公告)日:2025-02-11

    申请号:CN202411557957.6

    申请日:2024-11-04

    Abstract: 本发明提供了一种水相中制备水凝胶的制备方法及水凝胶在肿瘤免疫微环境评估超声检测的应用,涉及有机合成技术领域。制备方法包括如下步骤:将壳聚糖溶解于水,制备获得具有第一预设浓度的壳聚糖溶液,壳聚糖具有羧基基团和氨基基团;将缩合剂溶于水,制备获得具有第二预设浓度的反应溶液;将壳聚糖溶液与反应溶液混合后加入冰醋酸,在预设温度、预设压力下反应预设时间获得混合溶液;对混合溶液进行透析处理,获得水凝胶;其中,第一预设浓度与第二预设浓度的比值为范围在10:1‑1:1中任一值。本发明通过在水相中制备获得具有酰胺键的水凝胶,水凝胶具有毒性低、生物相容性和生物降解性好的特点。

    基于全卷积网络的乳腺超声图像肿瘤分割方法

    公开(公告)号:CN108776969B

    公开(公告)日:2021-06-22

    申请号:CN201810505528.2

    申请日:2018-05-24

    Applicant: 复旦大学

    Abstract: 本发明属于图像处理技术领域,具体为基于全卷积神经网络的乳腺超声图像肿瘤分割方法。本发明方法包括:构建基于空洞卷积的全卷积神经网络,用于粗略分割超声图像上获得乳腺肿瘤;构建的DFCN网络中,使用空洞卷积,从而使网络保持较深层的特征图的分辨率,以确保在有大量阴影区域的情况下也能很好地分割肿瘤;此外,DFCN网络中还使用批量归一化技术,使得网络具有更高的学习率,加速了训练过程;利用基于相位信息的动态轮廓PBAC模型,对于粗略分割结果进行优化,得到最终精细的分割结果;实验结果表明,本发明可以准确地分割肿瘤,尤其对边界模糊、阴影多的超声图像有很好的分割结果。

    一种耐热型乳腺癌肿瘤相关成纤维细胞系的诱导培养方法

    公开(公告)号:CN117264879A

    公开(公告)日:2023-12-22

    申请号:CN202311069334.X

    申请日:2023-08-23

    Abstract: 本发明公开了耐热型的乳腺癌肿瘤相关成纤维的诱导方法,包括以下步骤,将肿瘤相关成纤维细胞培养在6‑孔板中,置于水浴锅中温浴,水浴锅温度和温浴时间逐步提高和延长,肿瘤相关成纤维细胞经过长时间的热诱导直至热适应后将肿瘤相关成纤维细胞诱导分化成具有耐热效果成纤维细胞。耐热型肿瘤相关纤维细胞形态上表现为成纤维细胞变粗变大,形态更加饱满;耐热型肿瘤相关纤维细胞细胞活性更高;具有更快的增殖速度和分泌更多的表皮生长因子,能够更好地适应和抵抗肿瘤光热治疗。

    基于超声射频信号的乳腺钙化点图像优化系统及方法

    公开(公告)号:CN110163828A

    公开(公告)日:2019-08-23

    申请号:CN201910618211.4

    申请日:2019-07-10

    Applicant: 复旦大学

    Abstract: 一种基于超声射频信号的乳腺钙化点图像优化系统及方法,包括:预处理模块、钙化点处理模块和增强显示模块,其中:预处理模块与数据来源相连并传输原始射频信号信息,钙化点处理模块与预处理相连并传输单通道射频信号信息,增强显示模块与输出端相连并传输增强显示图片信息。本发明基于乳腺射频信号的特点设计深度学习网络,高效率检测钙化点,进行增强显示。

    基于混合标注的甲状腺超声图像结节弱监督分割系统

    公开(公告)号:CN116758282A

    公开(公告)日:2023-09-15

    申请号:CN202310508283.X

    申请日:2023-05-08

    Applicant: 复旦大学

    Abstract: 一种基于混合标注的甲状腺超声图像结节弱监督分割系统,包括:由主模型和辅助模型组成的特征提取模块和基于对比学习的区域分割模块,主模型中的特征提取模块根据原始图像和混合标注生成特征图至区域分割模块,区域分割模块采用对比学习的方式将特征图分成甲状腺结节前景和背景表征后,根据点在前景区域的扩散区域形成前景对、涂鸦标注在背景区域的扩散区域形成背景对后,基于两者间距离进行对比,以在实现结节区域的分割,得到甲状腺结节的粗略分割,辅助模型和主模型之间共享权重,本发明采用点和涂鸦的混合标注方法,更好地增强实验的可重复性和客观性。

    基于超声射频信号的乳腺钙化点图像优化系统及方法

    公开(公告)号:CN110163828B

    公开(公告)日:2022-02-18

    申请号:CN201910618211.4

    申请日:2019-07-10

    Applicant: 复旦大学

    Abstract: 一种基于超声射频信号的乳腺钙化点图像优化系统及方法,包括:预处理模块、钙化点处理模块和增强显示模块,其中:预处理模块与数据来源相连并传输原始射频信号信息,钙化点处理模块与预处理相连并传输单通道射频信号信息,增强显示模块与输出端相连并传输增强显示图片信息。本发明基于乳腺射频信号的特点设计深度学习网络,高效率检测钙化点,进行增强显示。

Patent Agency Ranking