-
公开(公告)号：CN119027432A
公开(公告)日：2024-11-26
申请号：CN202411064690.7
申请日：2024-08-05
Applicant: 复旦大学附属华山医院
IPC: G06T7/11 , G06T7/00 , G06T7/194 , G06T7/13 , G06V10/764 , G06V10/26 , G06V10/74 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于多尺度上下文建模的前列腺MRI分割方法，其特征在于，包括以下步骤：基于深度学习网络构建前列腺MRI分割模型，利用训练数据集对前列腺MRI分割模型进行训练，部署前列腺MRI分割模型；将实时获得的MRI图像数据输入前列腺MRI分割模型，由前列腺MRI分割模型进行实时推理，获得最终的分割结果。本发明提供了一种多尺度上下文建模模块，该模块通过最小化不相关特征的影响来增强边界像素的表示，从而改善分割结果。此外，本发明还引入了一种先进先出的动态调整机制，优化特征向量的选择，特别是在前列腺的顶端和底端区域。
-
公开(公告)号：CN112967778B
公开(公告)日：2024-02-02
申请号：CN202110287375.0
申请日：2021-03-17
Applicant: 复旦大学附属华山医院
Inventor： 于泽宽 , 周锟 , 耿道颖 , 吴兴旺 , 王乐 , 韩方凯 , 刘晓 , 陈卫强 , 李强 , 王侠 , 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 , 李郁欣 , 张军 , 尹波 , 曹鑫
IPC: G16H20/10 , G16H30/20 , G16H30/40 , G16H50/20 , G06T7/00 , G06T7/11 , G06V10/44 , G06V10/74 , G06V10/764 , G06N20/20
Abstract: 时间，具有更好的临床实用性。本发明提供了一种基于机器学习的炎症性肠病精准用药方法及系统，涉及医学图像处理技术领域，该方法包括：步骤S1：获取炎症性肠病能谱CT数据并对能谱CT数据进行预处理，制作病情活动度‑用药标签数据集；步骤S2：对预处理后的能谱CT数据进行病灶区域分割；步骤S3：将炎症性肠病病灶区域ROIIBD进行影像组学特征提取；
-
公开(公告)号：CN114387286A
公开(公告)日：2022-04-22
申请号：CN202210024189.2
申请日：2022-01-05
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种脑影像脑膜瘤全自动筛查与肿瘤分割方法及装置，包括如下步骤：步骤S1：将脑膜瘤患者的图像文件进行格式转换；步骤S2：对格式转换后的图像文件的图像进行预处理；步骤S3：对预处理后的图像文件中的图像数据进行增强处理；步骤S4：对增强处理后的图像数据进行筛查，得到包含脑膜瘤的切片图像并保存；步骤S5：对包含脑膜瘤的切片图像进行分割，得到脑膜瘤分割结果图像并保存；步骤S6：对包含脑膜瘤的切片图像和脑膜瘤分割结果图像进行后处理。本发明结合了深度学习的分类和分割技术，具有无创性、可重复、批量化、提高医生临床诊断效率的优点，可为脑膜瘤影像组学研究以及临床医生手术方案制定提供辅助。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN111870705A
公开(公告)日：2020-11-03
申请号：CN202010687493.6
申请日：2020-07-16
Applicant: 复旦大学附属华山医院
Abstract: 本发明公开了一种原位脑胶质瘤微环境响应性的纳米材料及制备方法与应用，涉及生物技术领域，包括60份纳米载体、0.3～4份二氧化锰、1.2～3.6份原卟啉；白蛋白作为仿生载体，MnO2纳米晶作为MRI造影剂以生物矿化的方式负载在白蛋白空腔内，原卟啉作为治疗剂，通过酰胺反应包载于白蛋白空腔中；白蛋白纳米粒中二氧化锰纳米晶的负载量为0.5～6.7wt％，原卟啉的负载量2～6wt％。该纳米材料经静脉注射后，能够精准、特异性的显示原位胶质瘤病灶，有助于辅助临床提高治疗的精准性和安全性；同时产生氧气改善肿瘤乏氧微环境，在超声激发下原卟啉产生活性氧特异性杀伤肿瘤细胞。
-
公开(公告)号：CN111612754A
公开(公告)日：2020-09-01
申请号：CN202010413904.2
申请日：2020-05-15
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于多模态图像融合的MRI肿瘤优化分割方法及系统，包括：步骤1：构建MRI肿瘤多模态图像融合的网络；步骤2：构建用于增强肿瘤图像分割的多模态3D网络；步骤3：基于GAN的图像融合，构建显著性损失函数；步骤4：构建Mask注意机制对比度损失函数；步骤5：构建SSIM损失函数；步骤6：根据MRI肿瘤多模态图像融合的网络、多模态3D网络和三个损失函数进行MRI肿瘤优化分割。本发明当训练深层架构时，一个剩余单位会有所帮助；利用递归残差卷积层进行特征积累，为分割任务提供了更好的特征表示；为医学图像分割设计了具有相同网络参数、性能较好的U-NET体系结构。
-
公开(公告)号：CN119832103A
公开(公告)日：2025-04-15
申请号：CN202411881336.3
申请日：2024-12-19
Applicant: 复旦大学附属华山医院
IPC: G06T11/00 , G06T5/60 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/096 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明提供了一种脑影像脑膜瘤患者平扫图像全自动生成增强图像方法，包括：将脑膜瘤患者的原始图像文件进行格式转换，整理并划分为训练集和验证集；对训练集和验证集的图像进行图像预处理和图像数据增强放大数据量；进行训练并验证，保存训练完的模型；对测试集的脑膜瘤CT切片图像进行后处理的推理重建并保存。本发明对于每种设备采集的数据均可以转换为适合脑膜瘤患者增强影像生成模型的数据格式，更适应医生临床所需，便于查阅，同时支持数据批量处理操作，具有高适配性；具有可重复、无创性、批量化、提高临床医生诊断效率的优点，能够为脑膜瘤影像简易筛查提供辅助手段。
-
公开(公告)号：CN113643805B
公开(公告)日：2024-04-02
申请号：CN202110913967.9
申请日：2021-08-10
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种基于影像组学的脑膜瘤伽马刀后瘤周水肿预测系统；包括影像组学特征提取单元，用以对各患者术前头颅磁共振常规序列肿瘤区域进行影像组学特征提取；将各患者影像组学特征中的冗余特征去除以得到筛选后的重要影像组学特征；结合筛选后的影像组学特征、临床数据获取单元的临床特征及影像学语义特征获取单元获取的影像学特征等，根据水肿发生与否及发生时间得到临床影像特征与结局判定单元获得的术后水肿发生率及发生期之间的关系，建立随机生存森林模型用于预测。本发明的术后水肿预测系统，通过提取肿瘤区域的影像学特征结合临床特征，具有无创性、可重复、易操作的优点，可为评估行伽马刀的脑膜瘤患者预后、改善临床决策提供有力支持。
-
公开(公告)号：CN110197715B
公开(公告)日：2023-05-26
申请号：CN201910416151.8
申请日：2019-05-19
Applicant: 复旦大学附属华山医院
IPC: G16H30/40 , G16H50/70 , G06F16/904
Abstract: 本发明属于医学图像处理技术领域，具体为一种读片教学用医学影像浏览系统。本发明包括：数据库、业务服务器、前端软件三个部分；数据库用于存储医学影像文件数据、典型影像学表现患者信息数据等；业务服务器为负责与数据库、与前端软件通讯的中间件，与数据库具有增删改查的通讯，与前端软件具有双向通讯；业务服务器通过调用大数据分析模块与影像分析模块，进行增量数据的分析等；前端软件为系统与用户进行交互的软件，具有数据库信息显示、影像数据浏览、数据标记与标注等功能。本发明系统可避免重复标注，降低标注的错误率；能够从众多标注中筛选正确率最高的标注，将用户的临床经验更好地转换为信息；并能为临床诊疗标准的建立提供依据。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.027 seconds)
