-
公开(公告)号：CN114159099A
公开(公告)日：2022-03-11
申请号：CN202111316064.9
申请日：2021-11-08
Applicant: 中国医学科学院北京协和医院 , 深圳迈瑞生物医疗电子股份有限公司
IPC: A61B8/08
Abstract: 本发明实施例提供一种乳腺超声成像方法及设备。该方法包括：获取被检者乳腺区域的超声图像；基于乳腺区域的超声图像进行乳腺组织分层得到目标层级，目标层级包括皮肤层和/或脂肪层；根据目标层级的形变对按压力度进行量化得到压力量化值；在显示界面上显示乳腺区域的超声图像以及压力量化值。本发明实施例的方法，通过对乳腺超声成像过程中医生的按压力度进行量化并显示，便于指导医生采用合适的按压力度获取超声图像。
-
公开(公告)号：CN113768544A
公开(公告)日：2021-12-10
申请号：CN202110968952.2
申请日：2021-08-23
Applicant: 中国医学科学院北京协和医院 , 深圳迈瑞生物医疗电子股份有限公司
IPC: A61B8/08
Abstract: 本发明实施例提供一种乳腺的超声成像方法及设备，该方法包括：获取被检者乳腺区域的超声图像；基于预训练的乳腺病灶智能化分析模型对所述超声图像进行分析，得到所述被检者乳腺区域中乳腺病灶的BI‑RADS特征集合取值对应的第一特征值集合；检测用户对所述第一特征值集合修改或确认的操作，以获得第二特征值集合；根据所述第一特征值集合、所述第二特征值集合以及所述超声图像确定所述乳腺病灶的BI‑RADS分级。本发明实施例的方法，在确定乳腺病灶的BI‑RADS分级时，不仅利用了乳腺区域的超声图像，而且结合了用户的反馈信息，提高了BI‑RADS分级的准确性。
-
公开(公告)号：CN112971710A
公开(公告)日：2021-06-18
申请号：CN201911312744.6
申请日：2019-12-18
Applicant: 深圳迈瑞生物医疗电子股份有限公司 , 中国医学科学院北京协和医院
Abstract: 本申请公开了一种测量方法、显示方法及其系统，其中，所述测量方法包括：控制激光器向目标组织发射激光脉冲，以获得所述目标组织返回的光声信号；控制探头接收所述光声信号，并基于所述光声信号得到光声图像；从所述光声图像中确定目标区域，并获取所述目标区域对应的图像数据；基于所述目标区域对应的图像数据，确定光声信号的属性参数，其中，所述属性参数包括光声信号的平均强度或光声信号占比。
-
公开(公告)号：CN114266917A
公开(公告)日：2022-04-01
申请号：CN202111466822.5
申请日：2021-12-03
Applicant: 中国医学科学院北京协和医院 , 深圳迈瑞生物医疗电子股份有限公司
Abstract: 本发明提供一种病灶预测模型的在线学习方法及设备。该方法包括：获取包含乳腺病灶的超声图像以及乳腺病灶的BI‑RADS分级；从超声图像中提取BI‑RADS特征对应的多个特征子向量；从多个特征子向量中确定具有标注信息的目标特征子向量；确定多个特征子向量对应的第一损失函数；确定目标特征子向量对应的第二损失函数；融合多个特征子向量得到融合特征向量，并根据获取的BI‑RADS分级确定融合特征向量对应的第三损失函数；根据第一损失函数、第二损失函数和第三损失函数对乳腺病灶预测模型进行在线训练。实现了基于标注缺失的超声图像对乳腺病灶预测模型的在线训练，缩短了模型更新周期，简化了更新操作步骤。
-
公开(公告)号：CN114202514A
公开(公告)日：2022-03-18
申请号：CN202111426251.2
申请日：2021-11-25
Applicant: 中国医学科学院北京协和医院 , 深圳迈瑞生物医疗电子股份有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明实施例提供一种乳腺超声图像分割方法及设备，该方法包括：获取被检者乳腺区域或者乳腺区域中乳腺病灶感兴趣区域的超声图像；基于预先训练好的BI‑RADS特征分类模型从超声图像中提取至少一个BI‑RADS特征对应的特征图；将特征图与超声图像进行融合，得到融合特征图；基于预先训练好的乳腺病灶分割模型对融合特征图进行乳腺病灶分割，在超声图像上确定乳腺病灶区域。通过BI‑RADS特征分类模型可以准确地获取BI‑RADS特征对应的特征图，将BI‑RADS特征对应的特征图与超声图像进行融合，可以突出乳腺病灶区域和边界特征，基于融合特征图进行乳腺病灶分割，可以提高乳腺病灶区域分割的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111727013A
公开(公告)日：2020-09-29
申请号：CN201880055971.2
申请日：2018-10-24
Applicant: 中国医学科学院北京协和医院 , 深圳迈瑞生物医疗电子股份有限公司
Abstract: 一种成像方法和成像系统。成像方法包括：向目标体发射激光，并接收从该目标体返回的光声信号(301)；向该目标体发射超声波，并接收从该目标体返回的超声回波，获得超声回波信号(302)；根据该光声信号得到光声体数据，并且根据该超声回波信号得到超声体数据(303)；在该超声体数据中确定目标组织的边界(304)；根据该目标组织的边界对该目标组织进行渲染，以得到该目标组织的超声容积图像(305)；对该光声体数据进行渲染得到该目标组织的光声容积图像(306)；将该超声容积图像与该光声容积图像进行融合，以得到该目标组织的融合图像(307)。该成像方法和系统用于提高图像的直观性。
-
公开(公告)号：CN114170241A
公开(公告)日：2022-03-11
申请号：CN202111356385.1
申请日：2021-11-16
Applicant: 中国医学科学院北京协和医院 , 深圳迈瑞生物医疗电子股份有限公司
IPC: G06T7/11 , G06K9/62 , G06V10/82 , G06V10/764 , G06V10/25
Abstract: 本发明提供一种乳腺超声图像分割方法及设备，该方法包括：获取被检者乳腺区域的超声图像，超声图像中包含乳腺病灶；根据超声图像识别乳腺病灶的BI‑RADS特征的类型，BI‑RADS特征包括形状特征、方向特征、边缘特征、内部回声特征、后方回声特征、钙化特征和血流特征中的至少一个；从预设的BI‑RADS特征各类型所对应的多个分割模型中确定与BI‑RADS特征的类型相对应的目标分割模型；采用目标分割模型对超声图像进行乳腺病灶分割，从超声图像中分割出乳腺病灶区域。在进行分割时充分考虑了乳腺病灶的特征，通过采用与BI‑RADS特征的类型相对应的目标分割模型对超声图像进行分割，提高了乳腺病灶区域分割的准确性。
-
公开(公告)号：CN111432730A
公开(公告)日：2020-07-17
申请号：CN201880055953.4
申请日：2018-10-24
Applicant: 中国医学科学院北京协和医院 , 深圳迈瑞生物医疗电子股份有限公司
Abstract: 一种成像方法以及成像系统(10)，用于清楚地显示光声-超声双模态的成像。成像方法包括：向目标组织(201)发射超声波，并接收从目标组织(201)返回的超声回波，获得超声回波信号(301)；向目标组织(201)发射激光，并接收从目标组织(201)返回的光声信号(302)；根据超声回波信号获取目标组织(201)的灰阶图像与彩色多普勒图像(303)；根据光声信号获取目标组织(201)的光声图像(304)；将光声图像和彩色多普勒图像与灰阶图像融合，以得到目标组织(201)的融合图像(305)。
-
公开(公告)号：CN111727013B
公开(公告)日：2023-12-22
申请号：CN201880055971.2
申请日：2018-10-24
Applicant: 中国医学科学院北京协和医院 , 深圳迈瑞生物医疗电子股份有限公司
Abstract: 一种成像方法和成像系统。成像方法包括：向目标体发射激光，并接收从该目标体返回的光声信号(301)；向该目标体发射超声波，并接收从该目标体返回的超声回波，获得超声回波信号据该超声回波信号得到超声体数据(303)；在该超声体数据中确定目标组织的边界(304)；根据该目标组织的边界对该目标组织进行渲染，以得到该目标组织的超声容积图像(305)；对该光声体数据进行渲染得到该目标组织的光声容积图像(306)；将该超声容积图像与该光声容积图像进行融合，以得到该目标组织的融合图像(307)。该成像方法和系统用于提高图像的直观性。(302)；根据该光声信号得到光声体数据，并且根
-
公开(公告)号：CN119560166A
公开(公告)日：2025-03-04
申请号：CN202411602159.0
申请日：2024-11-11
Applicant: 中国医学科学院北京协和医院
IPC: G16H50/50 , G16H50/70 , G06F16/906 , G06N20/00
Abstract: 本申请公开了一种剖宫产瘢痕妊娠预后结局分类预测模型建立方法及装置。所述剖宫产瘢痕妊娠预后结局分类预测模型建立方法包括：获取患者数据库，所述患者数据库包括至少一个患者数据；根据治疗方式及预后情况对所述患者数据库中的患者数据进行分类，从而获取第一类患者数据、第二类患者根据第一类患者数据建立第一类患者数据用模型；根据第一类患者数据、第二类患者数据以及第三类患者数据建立第二类患者数据用模型。本申请利用超声及临床特征，结合机器学习模型，建立更加准确的分类模型。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.04 seconds)
