-
公开(公告)号：CN119991959A
公开(公告)日：2025-05-13
申请号：CN202510116484.4
申请日：2025-01-24
Applicant: 复旦大学 , 复旦大学附属华山医院
IPC: G06T17/00 , G06T7/00 , G06N3/0455 , G06N3/084
Abstract: 本发明属于医学图像处理技术领域，具体为一种多示踪剂PET跨模态合成系统。本发明系统，包括一个生成扩散Transformer模型，记为GenPET，该GenPET用于从结构MRI图像合成多示踪剂PET图像，包括两个阶段：使用三维编码器将MRI和多示踪剂PET图像编码到统一的潜空间中，并设计模态区分损失，以确保潜空间中不同模态的区分；利用隐空间扩散Tansformer模型实现从MRI到特定示踪剂PET的隐空间特征转换。通过神经放射专家视觉图灵测试、分层定量指标、临床相关性和放射组学分析，系统地评估GenPET合成的多示踪剂PET的成像质量和诊断效用，结果表明GenPET有望解决服务不足地区成像资源稀缺的问题，并提高神经退行性疾病的诊断水平。
-
公开(公告)号：CN119991940A
公开(公告)日：2025-05-13
申请号：CN202510016371.7
申请日：2025-01-06
Applicant: 复旦大学
IPC: G06T17/00 , G06T7/11 , G06T19/20 , G06T7/12 , G06T7/00 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明提供了一种用于磁共振成像中自动分割深灰质核团的系统、方法及介质，包括：对磁共振图像进行重采样、裁剪和归一化预处理；使用包含交替的卷积神经网络编码器块和Transformer编码器块的编码器模块提取层次化特征表示；通过级联通道‑空间融合模块，应用通道和空间注意力机制融合特征；使用包含上采样层和跳跃连接的解码器模块重建分割图；通过对称边界注意模块，比较原始和镜像分割图，增强边界细化；使用动态自适应加权Dice损失函数，根据每个核团的体积调整权重，指导网络训练；输出深灰质核团的分割图。本发明实现了对DGM核团的精确分割，并有效解决了小体积核团分割中的类不平衡问题。
-
公开(公告)号：CN119251132A
公开(公告)日：2025-01-03
申请号：CN202410974230.1
申请日：2024-07-19
Applicant: 苏州国科康成医疗科技有限公司 , 复旦大学附属华山医院
Abstract: 本发明涉及医学影像处理技术领域，公开了一种磁共振图像序列的处理方法、装置、计算机设备及介质。其中，该方法包括：获取目标血管区域对应的多个磁共振图像序列以及预先标注的动脉瘤信息；根据动脉瘤信息对配准后的多个磁共振图像序列进行裁剪，得到目标图像；确定目标图像对应的血管管腔分割掩码；根据动脉瘤信息构建动脉瘤的初始瘤壁内层表面；根据初始瘤壁内层表面的特征重建演进瘤壁内层表面；根据演进瘤壁内层表面和血管管腔分割掩码进行动脉瘤的三维重建，得到目标瘤壁内层表面；对目标瘤壁内层表面的信号强度映射进行分析，确定动脉瘤的量化指标。通过实施本发明技术方案，能够实现磁共振图像序列中动脉瘤的精确分割、重建和量化分析。
-
公开(公告)号：CN114187239B
公开(公告)日：2024-08-20
申请号：CN202111397102.8
申请日：2021-11-23
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种结合影像组学和空间分布特征的医学图像分析方法及系统，包括：步骤S1：获取医学图像数据并进行预处理，得到预处理后的医学图像数据；步骤S2：对预处理后的医学图像数据进行目标区域提取，得到目标区域图像；步骤S3：对目标区域图像进行第一图像处理，得到目标区域图的影像组学标签；步骤S4：对目标区域图像进行第二图像处理，得到目标区域图的空间分布标签；步骤S5：利用目标区域的影像组学标签和空间分布标签对机器学习预测模型进行训练，得到训练后的机器学习预测模型；步骤S6：利用训练后的机器学习预测模型得到目标区域的疾病分类信息。
-
公开(公告)号：CN111415324B
公开(公告)日：2024-03-08
申请号：CN201910737818.4
申请日：2019-08-09
Applicant: 复旦大学附属华山医院
IPC: G06V10/764 , G06T7/136 , G06T7/00
-
Patent Agency Ranking
公开(公告)号：CN113793345B
公开(公告)日：2023-10-31
申请号：CN202111042489.5
申请日：2021-09-07
Applicant: 复旦大学附属华山医院
Abstract: 本发明公开了一种图像处理方法、装置、计算机设备及存储介质。该方法包括：获取目标图像的目标张量数据；将目标张量数据输入至目标神经网络模型，目标神经网络模型包括编码器、解码器和注意力模块；编码器用于根据目标张量数据进行降采样，得到第一特征矩阵；注意力模块用于根据第一特征矩阵进行空洞卷积，得到第二特征矩阵；根据第二特征矩阵确定原始注意力图；根据原始注意力图确定空洞注意力图；根据第一特征矩阵和空洞注意力图确定第三特征矩阵；将第三特征矩阵输出值解码器；解码器用于根据第三特征矩阵进行上采样，得到图像分割结果；根据目标神经网络模型的输出进行目标图像的分割反馈。能够提高图像分割的准确性。
-
公开(公告)号：CN116452860A
公开(公告)日：2023-07-18
申请号：CN202310317407.6
申请日：2023-03-28
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于深度学习和影像组学的分层分类方法及系统，所述方法包括如下步骤：步骤S1：数据收集及目标结构检测，生成目标结构区域的检测框；步骤S2：从目标结构区域检测框内提取组学特征集F1，完成类别A与类别B的分类；步骤S3：基于深度卷积神经网络的目标结构对类别A进行自动分割；步骤S4：基于影像组学完成类别A的亚分类。本发明通过深度学习和机器学习的方法，构建了一套基于特定结构及其周围区域影像特征进行两个层级的自动分类的算法和系统，为与特定结构相关疾病的诊断流程提供了新思路。
-
公开(公告)号：CN116153469A
公开(公告)日：2023-05-23
申请号：CN202111329369.3
申请日：2021-11-10
Applicant: 华东师范大学 , 复旦大学附属华山医院
Abstract: 本实施例公开了一种交互式医疗图像分割平台。平台医疗图像展示子系统以及交互分割子系统；其中：医疗图像展示子系统包括显示模块，用于接收并显示医疗图像，以及医疗图像的医疗信息；交互分割子系统，包括操作指令响应模块，用于响应于用户的操作指令，并将操作指令反馈至医疗图像展示子系统进行显示调整；还包括算法分割模块，用于基于分割算法确定医疗图像的初始分割结果；还包括算法交互模块，用于若检测到纠错交互信息，则根据纠错交互信息对初始分割结果进行调整，得到图像分割结果。采用本发明实施例的技术方案，可以利用交互式分割算法将医生从手工标注中解放出来，只需要对深度学习算法模型的分割结果进行纠错，可以快速得到分割结果。
-
公开(公告)号：CN114187240A
公开(公告)日：2022-03-15
申请号：CN202111403936.5
申请日：2021-11-24
Applicant: 复旦大学
IPC: G06T7/00 , G06T7/11 , G06T7/73 , G06V10/764 , G06V10/70 , G06K9/62 , G06N20/00 , G16H30/40 , G16H50/20 , G16H50/30 , G06F16/215 , G06F21/62
Abstract: 本发明涉及一种多病灶影像处理方法、装置、电子设备及计算机可读介质，方法包括：获取多病灶疾病的影像数据并进行预处理；将影像数据中的所有病灶区域进行分割，获取感兴趣区域，并统计其中单连通病灶区域覆盖的病灶的个数；将影像数据集与感兴趣区域重叠后，通过影像组学方法计算所有单连通病灶区域的影像组学标签；将影像数据集中包含的每个影像的影像组学标签输入机器学习算法，获取单连通病灶的影像组学评分和单连通病灶的分类结果；将各单连通病灶的影像组学评分和单连通病灶的分类结果进行融合，获取多病灶疾病的影像组学评分和多病灶疾病的分类结果。与现有技术相比，本发明具有提高效率、降低标注成本等优点。
-
公开(公告)号：CN112907563B
公开(公告)日：2023-12-01
申请号：CN202110286102.4
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Inventor： 于泽宽 , 耿道颖 , 陈泓亦 , 陆青青 , 刘学玲 , 吕锟 , 王容 , 杜鹏 , 文剑波 , 韩秋月 , 张海燕 , 杜成娟 , 王娜 , 李璇璇 , 吴昊 , 耿岩 , 张军 , 尹波 , 李郁欣 , 王俊杰 , 陈卫强 , 李强 , 张顺 , 曹鑫
Abstract: 本发明提供了一种基于深度学习的CTA全自动侧枝循环评分方法及系统，涉及医学图像处理技术领域，该方法包括：步骤S1：对大脑CTA图像进行掩模和归一化的预处理；步骤S2：对CTA图像进行脑区划分，获取相关解剖图谱以及功能图谱，获取加权大脑各脑区掩模图；步骤S3：对掩模与归一化后的CTA图像进行血管分割；步骤S4：基于血管分割结果量化计算评分特征；步骤S5：基于卷积神经网络测量血管壁厚度的评分特征；步骤S6：构建多标签评分分类模型，对计算得到的特征向量进行分类评分。本发明能够实现基于血流代偿途径的侧枝循环血管分级机制，并提高小血管的分割精度，还能使得评分策略具有更广泛(56)对比文件刘国玮.基于深度学习的脑部CTA图像血管分割方法研究《.中国优秀硕士学位论文全文数据库（信息科技辑）》.2020,(第03期),全文.Rahil Shahzad et.al.Fully automateddetection and segmentation ofintracranial aneurysms in subarachnoidhemorrhage on CTA using deep learning.《nature》.2020,全文.吴秋雯等.基于深度学习的计算机体层摄影血管造影颈动脉斑块分割初步研究《.上海医学》.2020,第43卷(第05期),280-283.
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.023 seconds)
