公开(公告)号：CN118537286A

公开(公告)日：2024-08-23

申请号：CN202410245914.8

申请日：2024-03-05

Applicant: 福州大学 ,  福建医科大学附属第一医院

Inventor： 童同 ,  纵瑞哿 ,  康德智 ,  王涛 ,  李春旺 ,  张心林 ,  林福鑫 ,  李祺轩

IPC: G06T7/00 ,  G06T7/11 ,  G16H50/20

Abstract: 本发明涉及一种针对家族性脑海绵状血管瘤图像的快速数据标注方法。该方法以一种简单的覆盖目标的边界框作为提示，同时利用Segment Anything(SAM)模型分割和框二值化阈值分割（BBTS）进行分割标注，随后筛选以获得合格的标注掩码，用其初步训练一个分割网络，余下不合格掩码所对应的图像同没有标注边界框的图像进行迭代训练标注。在每次迭代中，我们对部分分割掩码进行筛选，将合格的掩码合并到训练数据中，继而迭代训练以优化网络的分割性能，获取更多合格掩码。多次迭代后仍不合格的少量疑难样本的分割掩码由医生进行半自动标注修正，包括删除过分割区域和填充欠分割区域，最终完成标注。

公开(公告)号：CN118279242A

公开(公告)日：2024-07-02

申请号：CN202410245188.X

申请日：2024-03-05

Applicant: 福州大学 ,  福建医科大学附属第一医院

Inventor： 童同 ,  纵瑞哿 ,  康德智 ,  王涛 ,  李春旺 ,  张心林 ,  林福鑫 ,  李祺轩

IPC: G06T7/00 ,  G06T7/11 ,  G16H50/20

Abstract: 本发明涉及一种用于家族性脑海绵状血管瘤判别和研究的定量统计方法及系统。利用深度学习对同一病人前后两次检查的磁共振成像（MRI）数据切片进行2D病灶分割，之后将2D分割掩码合成3D掩码，进而统计两次检查中病灶的体积和数量，并识别病灶最小外接立方体的坐标。我们遍历随访检查中的病灶，设置病灶中心特殊像素点，利用图像配准将随访检查图像向前次检查的图像对齐，通过特殊像素点联系配准前后随访检查中所遍历的病灶，之后通过识别病灶最小外接立方体是否重合来实现前次检查与配准后的随访检查中相同病灶区域的匹配，最终实现前次检查与随访检查原图像中同一病灶区域的对比统计，并将统计结果进行可视化，帮助医生对疾病进展进行定量诊断和分析。