-
公开(公告)号：CN111986189A
公开(公告)日：2020-11-24
申请号：CN202010875028.5
申请日：2020-08-27
Applicant: 上海市公共卫生临床中心 , 复旦大学
Abstract: 本发明提供一种基于CT影像的多类别肺炎筛查深度学习系统，包括：CT影像数据预处理部预处理CT影像得到预处理CT影像，切片级肺炎二分类部分析基础深度特征得到二分类结果，弱监督病灶定位部根据类别标签得到病灶位置图，切片级肺炎四分类部对四类别肺炎检测得到四类别肺炎分类任务结果；病例级肺炎分类部分析得到多类别肺炎分类任务结果；肺炎诊断综合评估部基于切片级四分类类别结果、病灶位置图以及病例级多类别肺炎分类任务结果输出肺炎诊断综合评估结果和病灶定位分布图。因此本实施例除了能够得到得出常见肺炎病症以外，能够在没有医护人员的前提下快速、准确地区分COVID-19与其他肺炎病症，这对于关于COVID-19疫情的筛查工作具有帮助。
-
公开(公告)号：CN111986189B
公开(公告)日：2022-12-27
申请号：CN202010875028.5
申请日：2020-08-27
Applicant: 上海市公共卫生临床中心 , 复旦大学
Abstract: 本发明提供一种基于CT影像的多类别肺炎筛查深度学习系统，包括：CT影像数据预处理部预处理CT影像得到预处理CT影像，切片级肺炎二分类部分析基础深度特征得到二分类结果，弱监督病灶定位部根据类别标签得到病灶位置图，切片级肺炎四分类部对四类别肺炎检测得到四类别肺炎分类任务结果；病例级肺炎分类部分析得到多类别肺炎分类任务结果；肺炎诊断综合评估部基于切片级四分类类别结果、病灶位置图以及病例级多类别肺炎分类任务结果输出肺炎诊断综合评估结果和病灶定位分布图。因此本实施例除了能够得到得出常见肺炎病症以外，能够在没有医护人员的前提下快速、准确地区分COVID‑19与其他肺炎病症，这对于关于COVID‑19疫情的筛查工作具有帮助。
-
公开(公告)号：CN110895817B
公开(公告)日：2023-06-30
申请号：CN201911056189.5
申请日：2019-11-01
Applicant: 复旦大学
IPC: G06T7/11 , G06T7/187 , G06T7/30 , G06T5/00 , G06V10/774 , G06V10/25 , G06V10/771
Abstract: 本发明属于医学图像处理和计算机视觉技术领域，具体为一种基于影像组学分析的MRI影像肝纤维化自动分级方法。本发明具体为对普美显造影剂磁共振动态增强成像肝纤维化分级的影像组学分析方法；包括：以乙肝患者的Gd‑EOB‑DTPA动态增强影像为源数据，建立初始数据集；对初始数据进行配准；利用迁移学习进行肝脏自动分割，得到ROI；影像组学分析，对于ROI，在多个DCE序列上进行影像组学特征提取、特征筛选，得到重要特征的特征子集，并进行多种分类器的训练，选出最优分类器；最终使用该分类器在外部测试集中进行预测并评估分类性能。本发明可有效提高基于DCE影像的肝纤维化自动分级的准确性及可靠性，同时很大程度上节省了临床医生的时间、精力。
-
Patent Agency Ranking
公开(公告)号：CN109767410A
公开(公告)日：2019-05-17
申请号：CN201811575740.2
申请日：2018-12-22
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理和计算机视觉技术领域，具体为一种肺部CT与MRI影像融合算法。其是将图像融合置于逆问题模型下，在变分框架下构建损失函数，并通过最小化损失函数求取最优解。本发明利用图像在小波域下的研究优势，将小波系数放入损失函数，并对其进行非凸正则化增加其稀疏性，从而获得更好的图像恢复效果；通过调整参数保持整个损失函数的凸性质，从而通过凸优化求得全局最优解，最终通过小波逆变换求得融合图像。本发明结合CT成像在肺部纹理方面的优势以及MRI成像序列在肺部病灶方面的优势，丰富融合图像的信息量，以方便医生在融合图像上更清晰地找到两种成像传感器在肺部成像上的优势信息，在更短时间内做出更精确的判断。
-
-
公开(公告)号：CN111932559B
公开(公告)日：2022-11-29
申请号：CN202010873685.6
申请日：2020-08-26
Applicant: 上海市公共卫生临床中心 , 复旦大学
Abstract: 本发明提供了基于深度学习的新冠肺炎肺部病灶区域分割系统，其特征在于，包括：数据获取部用于获取CT断层影像；数据预处理部根据HU值对CT断层影像进行预处理，得到待分割肺部影像；图像分割模型部利用预先训练好的图像分割模型直接对待分割肺部影像进行分割得到肺部病灶区域并输出；画面存储部用于存储肺部病灶区域画面；显示部用于显示肺部病灶区域画面以及肺部病灶区域。本系统可以精准地将肺部病灶区域从肺部区域中分割出来，完成COVID‑19感染区域轮廓的快速自动勾画，便于在现场应用中定性评估疾病，节省了大量人力与时间，同时提高了对COVID‑19疑似病患的诊断准确率，降低假阴性概率较高。
-
公开(公告)号：CN110895817A
公开(公告)日：2020-03-20
申请号：CN201911056189.5
申请日：2019-11-01
Applicant: 复旦大学
Abstract: 本发明属于医学图像处理和计算机视觉技术领域，具体为一种基于影像组学分析的MRI影像肝纤维化自动分级方法。本发明具体为对普美显造影剂磁共振动态增强成像肝纤维化分级的影像组学分析方法；包括：以乙肝患者的Gd-EOB-DTPA动态增强影像为源数据，建立初始数据集；对初始数据进行配准；利用迁移学习进行肝脏自动分割，得到ROI；影像组学分析，对于ROI，在多个DCE序列上进行影像组学特征提取、特征筛选，得到重要特征的特征子集，并进行多种分类器的训练，选出最优分类器；最终使用该分类器在外部测试集中进行预测并评估分类性能。本发明可有效提高基于DCE影像的肝纤维化自动分级的准确性及可靠性，同时很大程度上节省了临床医生的时间、精力。
-
公开(公告)号：CN111932559A
公开(公告)日：2020-11-13
申请号：CN202010873685.6
申请日：2020-08-26
Applicant: 上海市公共卫生临床中心 , 复旦大学
Abstract: 本发明提供了基于深度学习的新冠肺炎肺部病灶区域分割系统，其特征在于，包括：数据获取部用于获取CT断层影像；数据预处理部根据HU值对CT断层影像进行预处理，得到待分割肺部影像；图像分割模型部利用预先训练好的图像分割模型直接对待分割肺部影像进行分割得到肺部病灶区域并输出；画面存储部用于存储肺部病灶区域画面；显示部用于显示肺部病灶区域画面以及肺部病灶区域。本系统可以精准地将肺部病灶区域从肺部区域中分割出来，完成COVID-19感染区域轮廓的快速自动勾画，便于在现场应用中定性评估疾病，节省了大量人力与时间，同时提高了对COVID-19疑似病患的诊断准确率，降低假阴性概率较高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
