-
公开(公告)号：CN118096920B
公开(公告)日：2024-09-06
申请号：CN202410260672.X
申请日：2024-03-07
Applicant: 复旦大学
Inventor： 王鹤
IPC: G06T11/00 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本发明公开了基于深度学习和线圈灵敏度的腹部器官成像方法及装置，属于磁共振成像领域，步骤包括：采集高分辨弥散加权数据；通过传统高分辨率弥散重建方法进行图像重建；选择质量高的图像；生成与被选择图像对应的被伪影污染的高分辨率图像；对生成的成对图像输入深度学习的网络进行泛化和训练；将基于传统高分辨率弥散重建的腹部器官多次激发弥散加权图像输入S5构建的网络模型，得到高信噪比、高分辨率及残留伪影少的腹部器官高分辨弥散加权图像；还公开了成像装置。本发明采用上述一种基于深度学习和线圈灵敏度的腹部器官成像方法及装置，提高了重建后的高分辨弥散加权图像质量，为临床诊断提供更精细的解剖信息。
-
-
公开(公告)号：CN117582199A
公开(公告)日：2024-02-23
申请号：CN202311584456.2
申请日：2023-11-25
Applicant: 复旦大学
Abstract: 本发明属于医学影像技术领域，具体为一种脑血管血流动力学特征定量分析方法。本发明包括获取组织影像的血管结构；构建各个血管分支的邻接矩阵；根据血管分支的长度、半径，构建血管分支血流动力学控制方程组，以及输入、输出边界条件；最后解方程组，得到各血管分支的流量、流速及压强特征。本发明能够为临床血管疾病评估提供更丰富的定量信息，降低主观参数估计误差和技术储备需求，可实现大规模临床血管影像自动分析。本发明具有很强的普适性，可用于X射线、CT、MRI等不同采集方式获取的血管影像；在心脑血管及其他血管类疾病的智能诊断中发挥重要作用，具有市场潜力和经济社会效益。
-
公开(公告)号：CN112790741A
公开(公告)日：2021-05-14
申请号：CN202110106311.6
申请日：2021-01-27
Applicant: 复旦大学
Abstract: 本发明属于医学影像技术领域，具体为一种脑血管形态特征定量分析方法。本发明利用血管网络的结构特点，通过构建血管网络邻接矩阵实现各项定量特征的计算，具有很强的普适性，可用于X射线、CT、MRI等不同采集方式获取的血管影像。分析结果包含血管分支数目、分支长度、血管半径、血管弯曲度、血管网络复杂度等多种特征，能够有效提高医生分析血管定量参数的效率；本发明具有旋转不变性，血管影像经过旋转后不影响分析结果，可实现二维血管影像以及三维血管影像的自动分析。本发明在心血管疾病以及未来其他重大血管疾病的智能诊治中发挥巨大的作用，极具市场潜力和经济社会效益。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN108538399A
公开(公告)日：2018-09-14
申请号：CN201810241827.X
申请日：2018-03-22
Applicant: 复旦大学
Abstract: 本发明属于影像学技术领域，具体为一种磁共振肝癌疗效评估方法和系统。本发明包括，采集DCE、DWI等不同模态磁共振影像；配准、分割得到不同模态影像下的癌变组织，并分为活性区域与坏死区域；分析各区域体积变化，若活性区域体积治疗后显著减少或坏死区域显著增加，则直接得出评估结果，否则进一步结合影像特征进行分析，如DCE影像获取的Ktrans（容积转移常数）、Ve（细胞外间隙容积分数）等，DWI影像获取的ADC、IVIM等特征。本发明综合癌变体积与其各类定量参数评估肝癌治疗疗效，填补了当前肝癌综合疗效评估方法的空缺，能快速有效得出分析结果，大大提高医生诊断效率。
-
公开(公告)号：CN120036760A
公开(公告)日：2025-05-27
申请号：CN202510262118.X
申请日：2025-03-06
Applicant: 复旦大学
Abstract: 本申请涉及医学影像技术领域，特别涉及一种多模块动脉自旋标记磁共振血管成像方法、装置及设备，方法包括：在磁共振血管成像周期内，进入对照阶段，对目标施加对照多模块预脉冲，经过第一延迟时间，对目标施加三维损坏性梯度回波序列，采集对照阶段的磁共振信号；对照阶段结束后进入标记阶段，再对目标施加标记多模块预脉冲，经过第二延迟时间，同对照阶段，采集标记阶段的磁共振信号；标记阶段结束后进入下一个磁共振血管成像周期，根据多个周期采集的对照阶段和标记阶段的磁共振信号，重建目标的血管图像。由此，解决了相关技术颅内血液标记不足、标记效率低、被标记血液传递时间长等问题。
-
公开(公告)号：CN115137333B
公开(公告)日：2025-02-14
申请号：CN202210626697.8
申请日：2022-06-05
Applicant: 复旦大学
Abstract: 本发明属于磁共振成像技术领域，具体为一种无外加门控的五维血流磁共振成像方法。本发明方法包括：数据采集；对K空间的中心与外周进行连续交替采样，获取训练数据和成像数据；图像重建；根据训练数据和成像数据采用所建模型进行图像恢复，生成扫描期间各个时间帧对应的三维血流图像，并计算得到呼吸和心跳的生理运动信息，实现五个维度的实时呈现；图像后处理；根据所提取的呼吸和心跳信号，对图像重建所得血流图像作进一步划分，形成心跳、呼吸五维矩阵，用于呼吸对血流影响的综合分析。本发明还可灵活设置所需的心跳期相数和呼吸期相数，进而生成相应的五维数据矩阵；并能捕捉心跳周期之间与生理病理相关的血流变化。
-
公开(公告)号：CN116758120A
公开(公告)日：2023-09-15
申请号：CN202310719567.3
申请日：2023-06-16
Applicant: 复旦大学
IPC: G06T7/30 , G06T7/00 , G06N3/082 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06V10/80 , G06V10/82 , G16H50/20
Abstract: 本发明属于医学图像处理技术领域，具体为一种基于深度学习的3T MRA到7T MRA的预测方法。本发明利用7T MRA高分辨率、高信噪比、高对比度等优点对3T MRA进行血管增强，提升图像质量；包括获取3T和7T MRA成对原始数据；图像预处理，包括配准、场不均匀性校正、去头皮、图像插值与像素值归一化；训练深度学习模型；将用于测试的3T MRA输入训练好的模型，预测出“类”7T MRA。本发明在模型训练过程中使用知识蒸馏网络引入MRA的MIP信息以提升预测结果的血管完整度、连续性和真实性；使用异方差偶然不确定性对真实的7T MRA和预测的7T‑like MRA之间的误差进行自适应加权，防止3T和7T MRA之间的空间不匹配给模型学习带来不良影响以及导致预测结果出现不合理的偏移。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.023 seconds)
