-
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：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.
-
Patent Agency Ranking
公开(公告)号：CN116152560A
公开(公告)日：2023-05-23
申请号：CN202310174891.1
申请日：2023-02-24
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/80 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本发明涉及一种基于多任务学习的胶质瘤图像分类方法及系统，该方法包括以下步骤：步骤S1、采集脑胶质瘤的多模态磁共振成像图像数据，将其分为训练集和测试集；步骤S2、构建基于多任务学习的多模态磁共振成像图像分类与分割联合网络，其损失函数为分割网络损失函数和分类网络损失函数的加权和；采用标注有肿瘤mask金标准的训练集对多模态磁共振成像图像分类与分割联合网络进行训练；步骤S3、采用训练好的多模态磁共振成像图像分类与分割联合网络对测试集进行图像分割与分类，输出胶质瘤多模态磁共振成像图像自动分割结果以及分类结果。与现有技术相比，本发明具有分类准确性高的优点。
-
公开(公告)号：CN112907563A
公开(公告)日：2021-06-04
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的适用范围与更客观的评价阈值。
-
公开(公告)号：CN112101523A
公开(公告)日：2020-12-18
申请号：CN202010857268.2
申请日：2020-08-24
Applicant: 复旦大学附属华山医院
Inventor： 耿道颖 , 于泽宽 , 陈泓亦 , 张军 , 尹波 , 李郁欣 , 吴昊 , 曹鑫 , 张海燕 , 胡斌 , 潘嘉炜 , 鲍奕仿 , 周书怡 , 陆怡平 , 耿辰 , 夏威 , 杨丽琴
Abstract: 本发明提供了一种基于深度学习的CBCT图像跨模态预测CTA图像的卒中风险筛查方法和系统，包括：步骤1：构建循环对抗性生成网络模型；步骤2：通过CBCT图像及其对应的造影图像数据训练循环对抗性生成网络模型；步骤3：将测试图像输入至已训练好的循环对抗性生成网络模型，生成血管造影CT图像；步骤4：根据血管造影CT图像中颈动脉的形态、颈动脉狭窄程度及弯曲度预测卒中风险。本发明基于深度学习模型，将非增强CBCT图像转换为增强CT血管造影图像，进行颈动脉血管分割提取，量化计算颈动脉狭窄程度和弯曲度，进而预测脑卒中风险，为临床获取CTA图像及诊断提供了一种便捷、经济、高效的新途径。
-
公开(公告)号：CN119942233A
公开(公告)日：2025-05-06
申请号：CN202510203692.8
申请日：2025-02-24
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/20 , G06V10/40 , G06V10/80 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种脑肿瘤多模态磁共振影像联合分类方法及系统,包括：步骤S1：获取并且预处理脑肿瘤多模态磁共振影像数据；步骤S2：提取所述脑肿瘤多模态磁共振影像数据的影像组学特征集合Frad；步骤S3：训练深度特征提取器，提取脑肿瘤多模态磁共振影像数据的深度特征集合Fdeep；步骤S4：合并所述深度特征集合Fdeep与所述影像组学特征集合Frad，筛选得到联合特征集合Fhybrid；步骤S5：基于所述联合特征集合Fhybrid，分类脑肿瘤多模态磁共振影像。本发明在卷积网络编码模块和特征图下采样模块使用了深度可分离卷积与膨胀和压缩层，使得模型可以更好融合多模态磁共振影像的跨模态特征。
-
公开(公告)号：CN114926475A
公开(公告)日：2022-08-19
申请号：CN202210513505.2
申请日：2022-05-11
Applicant: 复旦大学附属华山医院
IPC: G06T7/11 , G06T7/33 , G06T7/62 , G06V10/25 , G06V10/28 , G06V10/80 , G06V10/82 , G16H30/20 , G16H50/20 , G06N3/04 , G06V10/774
Abstract: 本发明提供了一种脑干缺血性卒中的病灶自动分割和评分方法及系统，包括对脑CT图像进行预处理；对脑干进行自动分割；获取镜像脑干图像和包含中脑、脑桥和延髓区域的脑干图谱Atlasstem，对脑干和镜像脑干图像划分区域；构建脑干梗死病灶检出分割网络模型；脑干梗死病灶检出分割网络模型含有三个编码器、一个解码器和六个差别计算模块，每个编码器由三层卷积层组成，每个解码器由三层逆卷积层组成，差别计算模块包含多尺度的金字塔卷积和每个尺度上的特征融合模块；依据分割出的病灶进行预测评分。本发明的病灶检出分割方法可以对病灶进行快速、准确而客观的检出与分割。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
