-
公开(公告)号：CN112308888B
公开(公告)日：2024-07-12
申请号：CN202011105228.9
申请日：2020-10-15
Applicant: 复旦大学附属中山医院
Abstract: 本技术涉及医学影像信息技术领域，具体的讲是基于深度学习体征结构的全模态医学影像序列分组方法，包括：获取医学影像信息；对获取的医学影像信息进行信息提取；建立全模态深度学习AI序列匹配系统；进行序列匹配处理；将处理后的医学影像序列分组传输到显示单元；显示单元进行全模态医学影像序列分组显示；本发明利用深度学习神经网络，依据人体CT、MR精准解剖信息，人体骨骼被精准识别分割为相对固定的局部区域，以特定骨骼部位做精准人体体位分割，依据分子影像双模态中的CT或MR影像精准定位，转换到全模态影像的相应层面，进行自动精准配准显示，减少技术水平差异造成的诊断误差，同时提高医师的工作效能。
-
公开(公告)号：CN112991478B
公开(公告)日：2024-02-02
申请号：CN202110209392.2
申请日：2021-02-25
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种基于深度学习的PET/CT影像分析多时相异常特征区域参数的方法，属于医学影像技术领域。本发明基于超长轴距PET/CT进行双模态的全身一体化显像，借助CT影像的高分辨率以及全身的整体定位片，利用深度学习训练AI识别人体标志性器官及具备刚性变换特征的关键位置，同时识别相应的PET影像保证多次扫描体位特征规范、统一；利用具备物理定位功能的头托定位起始位置，达到多时相采集，同体位同层面分析的效果。利用AI深度学习进行多时相同体位异常代谢感兴趣区勾画，提高多时相全身动态PET影像中各个感谢兴趣区的匹配精准度，实现精准对比，精准分析。
-
公开(公告)号：CN112991478A
公开(公告)日：2021-06-18
申请号：CN202110209392.2
申请日：2021-02-25
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种基于深度学习的PET/CT影像分析多时相异常特征区域参数的方法，属于医学影像技术领域。本发明基于超长轴距PET/CT进行双模态的全身一体化显像，借助CT影像的高分辨率以及全身的整体定位片，利用深度学习训练AI识别人体标志性器官及具备刚性变换特征的关键位置，同时识别相应的PET影像保证多次扫描体位特征规范、统一；利用具备物理定位功能的头托定位起始位置，达到多时相采集，同体位同层面分析的效果。利用AI深度学习进行多时相同体位异常代谢感兴趣区勾画，提高多时相全身动态PET影像中各个感谢兴趣区的匹配精准度，实现精准对比，精准分析。
-
公开(公告)号：CN108711448A
公开(公告)日：2018-10-26
申请号：CN201810288429.3
申请日：2018-04-03
Applicant: 复旦大学附属中山医院
IPC: G16H30/20
CPC classification number: G16H30/20
Abstract: 本发明公开了一种扫描序列的处理方法，包括如下步骤：S1：获取待处理的扫描序列；S2：对所述待处理的扫描序列进行分组；S3：获得序列分组结果。本发明技术方案对繁杂的序列进行分组，所得分组结果通过图形配合列表的模式呈现，图形上显示所有序列对应人体上的成像范围，而且通过图形化操作可以打开全身或某个部位的扫描序列列表，医生在阅片时直接选中需要查看的器官或部位，系统自动打开相关序列，无须查找，节省了序列查找时间，大幅度提高了医生的诊断效率。
-
Patent Agency Ranking
公开(公告)号：CN112308888A
公开(公告)日：2021-02-02
申请号：CN202011105228.9
申请日：2020-10-15
Applicant: 复旦大学附属中山医院
Abstract: 本技术涉及医学影像信息技术领域，具体的讲是基于深度学习体征结构的全模态医学影像序列分组方法，包括：获取医学影像信息；对获取的医学影像信息进行信息提取；建立全模态深度学习AI序列匹配系统；进行序列匹配处理；将处理后的医学影像序列分组传输到显示单元；显示单元进行全模态医学影像序列分组显示；本发明利用深度学习神经网络，依据人体CT、MR精准解剖信息，人体骨骼被精准识别分割为相对固定的局部区域，以特定骨骼部位做精准人体体位分割，依据分子影像双模态中的CT或MR影像精准定位，转换到全模态影像的相应层面，进行自动精准配准显示，减少技术水平差异造成的诊断误差，同时提高医师的工作效能。
-
公开(公告)号：CN110458770A
公开(公告)日：2019-11-15
申请号：CN201910683490.2
申请日：2019-07-26
Applicant: 复旦大学附属中山医院
IPC: G06T5/00
Abstract: 本发明提供了一种医学图像亮度均一化校正方法，所述医学图像亮度均一化校正方法包括：构建目标医学图像的亮度缺陷图像集合；以所述目标医学图像为标准，进行深度卷积神经网络训练，以获得图像亮度分布特征；根据所述图像亮度分布特征构建图像亮度调整模型；根据所述图像亮度调整模型训练待校正的医学图像，以获得亮度均一的医学图像。通过深度卷积神经网络训练获得的图像亮度分布特征构建图像亮度调整模型(即生成对抗神经网络)，利用所述图像亮度调整模型自动进行医学图像亮度均一化校正，提升医学图像利用率，降低了因重扫带来的时间和资源成本。
-
公开(公告)号：CN110364248A
公开(公告)日：2019-10-22
申请号：CN201910590796.3
申请日：2019-07-02
Applicant: 复旦大学附属中山医院
IPC: G16H30/20
Abstract: 本发明提供了一种基于深度学习的多模态成像扫描协议推荐方法及系统，所述基于深度学习的多模态成像扫描协议推荐方法通过构建训练集，对所述训练集进行深度学习，获得对应所述预扫描区域的优化的扫描协议组合作为扫描协议推荐结果。通过深度学习技术，学习专业医师的扫描协议设定和操作方式，指导操作人员根据扫描历史合理推荐设定扫描协议，降低了技术门槛，减小了操作难度和时间，提升了扫描结果的一致性。
-
公开(公告)号：CN108578833A
公开(公告)日：2018-09-28
申请号：CN201810288409.6
申请日：2018-04-03
Applicant: 复旦大学附属中山医院
Abstract: 本发明公开了一种本发明提供一种注射装置，包括针筒、第一活塞、第二活塞、第一活塞推杆、第二活塞推杆，其中针筒底面内壁设有凸起和贯穿筒壁的孔洞，针筒的内腔由内及外设有第一活塞和第二活塞，第一活塞推杆贯穿第二活塞，其一端与第一活塞固定连接，另一端伸出针筒外部，第二活塞推杆一端与第二活塞固定连接，另一端伸出针筒外部，所述第一活塞上设有单向阀门，当所述第一活塞未接触针筒底面时，所述单向阀门处于关闭状态；当所述第一活塞接触针筒底面时，所述单向阀门被针筒底面的凸起打开。本发明技术方案解决了现有技术中无法进行精确同步注射的问题，并省去了额外的清洗步骤，因而缩短了注射时间，实现了采集与注射同步进行，整个装置结构简单、便于操作，具有很高的应用价值。
-
公开(公告)号：CN209236149U
公开(公告)日：2019-08-13
申请号：CN201820461447.2
申请日：2018-04-03
Applicant: 复旦大学附属中山医院
Abstract: 本实用新型公开了一种体征监测一体化线圈，包括：基体、体征监测感知元件及局部线圈，所述局部线圈按照扫描位置可拆卸地设置于所述基体上，所述体征监测感知元件设于所述基体中，且与所述局部线圈相连，对用户的体征进行实时监控。本实用新型的技术方案的体征监测一体化线圈在摆位时可同时移动多个局部线圈，成倍缩短摆位时间，大幅度提升检查效率，便捷的多点固定模式与人体贴合度较好，采用轻量化基体不会让被测者感到压迫感，提高了被检测者的体验感受，且具备多模态生命体征监控能力，具有很高的应用价值。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.029 seconds)
