-
公开(公告)号：CN117688226B
公开(公告)日：2024-05-03
申请号：CN202410145439.7
申请日：2024-02-02
IPC: G06F16/9035 , G06F16/9038 , G16H50/20 , G16H10/60
Abstract: 本发明公开了基于相似儿童患者匹配的智能诊前自助开单方法及系统。该基于相似儿童患者匹配的智能诊前自助开单方法，包括以下步骤：根据相似儿童患者匹配相关数据计算得出相似儿童患者匹配评估系数数据，对智能诊前自助开单进行对应的调整。本发明通过相似儿童患者匹配相关数据计算得出相似儿童患者匹配评估系数数据，根据相似儿童患者匹配评估系数数据对智能诊前自助开单进行对应的调整，便于提供个体化诊疗服务、提高开单效率以及更合理地利用医疗资源，进而达到了提高基于相似儿童患者匹配的智能诊前自助开单的综合正确率的效果，解决了现有技术中存在不能有效提高基于相似儿童患者匹配的智能诊前自助开单的综合正确率的问题。
-
公开(公告)号：CN117688226A
公开(公告)日：2024-03-12
申请号：CN202410145439.7
申请日：2024-02-02
IPC: G06F16/9035 , G06F16/9038 , G16H50/20 , G16H10/60
Abstract: 本发明公开了基于相似儿童患者匹配的智能诊前自助开单方法及系统。该基于相似儿童患者匹配的智能诊前自助开单方法，包括以下步骤：根据相似儿童患者匹配相关数据计算得出相似儿童患者匹配评估系数数据，对智能诊前自助开单进行对应的调整。本发明通过相似儿童患者匹配相关数据计算得出相似儿童患者匹配评估系数数据，根据相似儿童患者匹配评估系数数据对智能诊前自助开单进行对应的调整，便于提供个体化诊疗服务、提高开单效率以及更合理地利用医疗资源，进而达到了提高基于相似儿童患者匹配的智能诊前自助开单的综合正确率的效果，解决了现有技术中存在不能有效提高基于相似儿童患者匹配的智能诊前自助开单的综合正确率的问题。
-
公开(公告)号：CN117274410A
公开(公告)日：2023-12-22
申请号：CN202310331331.2
申请日：2023-03-31
Applicant: 徐州医科大学科技园发展有限公司 , 徐州医科大学附属医院
IPC: G06T11/00 , G06T7/13 , G06T7/33 , G06N3/0475 , G06N3/084
Abstract: 本发明提供了一种全脑伪CT图像的生成方法，属于全脑伪CT图像生成技术领域，包括：构建循环一致性生成对抗网络框架CycleGAN，其包括：生成器GMRI‑CT和生成器GCT‑MRI，判别器DMRI和判别器DCT；准备一组真实MRI图像和与其对应的真实CT图像作为训练集；将训练集中的真实MRI图像和真实CT图像输入CycleGAN中进行训练，当循环一致性损失和对抗性损失收敛时，结束CycleGAN的训练，此时得到了最佳生成器GMRI‑CT和最佳生成器GCT‑MRI；将MRI图像输入生成器GMRI‑CT中，得到MRI图像对应的伪CT图像，实现全脑伪CT图像生成。该方法能够基于MRI生成全脑伪CT图像。
-
公开(公告)号：CN111544021B
公开(公告)日：2022-06-17
申请号：CN202010393011.6
申请日：2020-05-11
Applicant: 徐州医科大学
IPC: A61B6/00
Abstract: 本发明公开了一种基于胸部CT的COVID‑19疾病进展评价方法及装置，对COVID‑19患者的胸部CT图像进行主观评分和手工病灶勾画，构建COVID‑19疾病进展CT图像数据集；对COVID‑19患者胸部CT图像进行预处理，预处理包括肺部自动分割、纵向配准和切片融合，并将融合后的切片图像与勾画的病灶图像进行相乘，获得融合后的病灶图像；对融合后的病灶图像分别进行方差测量和梯度图像的切比雪夫矩能量测量，得到方差测量值和切比雪夫矩能量测量值；将方差测量值归一化梯度图像的切比雪夫矩能量测量值，得到疾病进展客观分数；将影像科医生的主观分数和疾病进展客观分数进行一致性测量。本发明可以根据COVID‑19患者胸部CT自动评价疾病进展，评价结果与放射科医生的评分具有很好的一致性。
-
公开(公告)号：CN118261925B
公开(公告)日：2024-09-03
申请号：CN202410461624.7
申请日：2024-04-17
Applicant: 徐州医科大学
IPC: G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种大感受野注意力增强的乳腺超声图像分割方法涉及医学图像分割领域，包括如下步骤：步骤1：首先搜集大量的乳腺超声图像作为训练样本；步骤2：对搜集到的乳腺超声图像进行预处理；步骤3：将预处理的图像送入LRFE‑UNet网络模型中进行训练并优化模型；步骤4：将新的乳腺超声图像输入到优化模型中，自动输出病灶的精确分割结果。通过引入大感受野特征编码器LRFE，获得与病灶高度相关的上下文信息。通过设计空间增强的通道注意力模块SCAM，融合空间信息和通道信息，优化特征传输过程并增强局部显著性图。通过全局感知模块GAM，建立全局特征之间依赖关系，改进向上传递的信息，挖掘底层的边界感知特征。
-
Patent Agency Ranking
公开(公告)号：CN117726614B
公开(公告)日：2024-07-05
申请号：CN202311831919.0
申请日：2023-12-28
Applicant: 徐州医科大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/0895 , G06N3/094
Abstract: 本发明提出一种质量感知网络与类注意力暹罗网络协同的医学融合图像质量评价方法，涉及医学图像融合领域，能够有效提升图像质量，包括图像生成阶段和图像质量评价阶段：图像生成阶段，引入融合图像的医生视觉感知分数DVPS，基于质量感知网络学习源图像、融合图像和DVPS的关系，然后，在质量感知网络中输入DVPS以及2张同位置同角度不同模态的源图像一和源图像二，生成不同DVPS的参考图像；融合图像质量评价阶段，在少镜头学习下，将参考图像输入到基于类激活映射的类注意力暹罗网络中，强制引导模型聚焦于关键病变区域，预测未标记融合图像的质量分数。
-
公开(公告)号：CN118261925A
公开(公告)日：2024-06-28
申请号：CN202410461624.7
申请日：2024-04-17
Applicant: 徐州医科大学
IPC: G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种大感受野注意力增强的乳腺超声图像分割方法涉及医学图像分割领域，包括如下步骤：步骤1：首先搜集大量的乳腺超声图像作为训练样本；步骤2：对搜集到的乳腺超声图像进行预处理；步骤3：将预处理的图像送入LRFE‑UNet网络模型中进行训练并优化模型；步骤4：将新的乳腺超声图像输入到优化模型中，自动输出病灶的精确分割结果。通过引入大感受野特征编码器LRFE，获得与病灶高度相关的上下文信息。通过设计空间增强的通道注意力模块SCAM，融合空间信息和通道信息，优化特征传输过程并增强局部显著性图。通过全局感知模块GAM，建立全局特征之间依赖关系，改进向上传递的信息，挖掘底层的边界感知特征。
-
公开(公告)号：CN118261899A
公开(公告)日：2024-06-28
申请号：CN202410464575.2
申请日：2024-04-17
Applicant: 徐州医科大学
IPC: G06T7/00 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明提出一种基于DwG2NPAN的无参考多模态医学融合图像质量评价方法，涉及医学图像融合领域，该方法通过模拟人类视觉系统的感知差异，实现对医学融合图像质量的准确评价，旨在解决当前医学融合图像质量评价过程中缺乏客观、可靠参考标准的问题。本发明主要由扩散模型辅助生成式对抗网络引导的差异感知模块和基于注意力的质量评估网络组成，通过构建名为DwG2NPAN的创新模型，充分利用GAN在图像生成方面的优势，结合扩散模型的特性，以低质量融合图像为输入，生成高质量的融合图像，为医学融合图像的质量评价提供客观、可靠的参考标准。
-
公开(公告)号：CN114708236B
公开(公告)日：2023-04-07
申请号：CN202210386468.3
申请日：2022-04-11
Applicant: 徐州医科大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于TSN和SSN在超声图像中的甲状腺结节良恶性分类方法，包括如下步骤：收集甲状腺结节的超声图像和病理结果，生成甲状腺结节的轮廓掩膜图像；建立纹理聚焦流网络TSN；建立轮廓检测CD模块引导的形状聚焦流网络SSN；将TSN和SSN的输出拼接在一起进行结节分类；采用CAM注意力网络来引导TSN和SSN，使得决策注意力集中在结节区域；将决策注意图限制在轮廓掩膜的范围内，获取最终甲状腺结节性质的分类。本发明设计的TSN和SSN可以很好地互补，能够捕捉更加丰富的结节特征信息，能够明显提高TSN和SSN双流网络的性能。本发明性能稳定，准确率高，为临床提供客观参考。
-
公开(公告)号：CN114708236A
公开(公告)日：2022-07-05
申请号：CN202210386468.3
申请日：2022-04-11
Applicant: 徐州医科大学
Abstract: 本发明公开了一种基于TSN和SSN在超声图像中的甲状腺结节良恶性分类方法，包括如下步骤：收集甲状腺结节的超声图像和病理结果，生成甲状腺结节的轮廓掩膜图像；建立纹理聚焦流网络TSN；建立轮廓检测CD模块引导的形状聚焦流网络SSN；将TSN和SSN的输出拼接在一起进行结节分类；采用CAM注意力网络来引导TSN和SSN，使得决策注意力集中在结节区域；将决策注意图限制在轮廓掩膜的范围内，获取最终甲状腺结节性质的分类。本发明设计的TSN和SSN可以很好地互补，能够捕捉更加丰富的结节特征信息，能够明显提高TSN和SSN双流网络的性能。本发明性能稳定，准确率高，为临床提供客观参考。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.046 seconds)
