公开(公告)号：CN116580007A

公开(公告)日：2023-08-11

申请号：CN202310546981.9

申请日：2023-05-16

Applicant: 西安工程大学

Inventor： 魏炜 ,  晁凯 ,  国玉洁 ,  王玉杓

IPC: G06T7/00 ,  G06T5/00 ,  G06T5/40 ,  G06T7/11 ,  G06T7/136 ,  G06T7/155 ,  G06T7/187 ,  G06V10/72 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明属于医学图像处理领域技术领域，具体涉及一种乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法。方法的步骤为：S1，收集并整理乳腺癌患者接受新辅助治疗前后的DCE‑MRI乳腺成像；S2，将S1收集并整理好的图像，进行像素矩阵运算并采用区域生长算法保留乳腺病理区图像与腋窝图像；S3，整理S2得到的图像，再将整理后的图像输入到神经网络中，进行模型训练，得到预测模型；S4，对S3得到的乳腺癌患者接受新辅助治疗前后的模型数据进行特征融合并进行分类预测得到有效的病理完全缓解的预测和淋巴结是否转移的预测。由此，提升了分析和预测效率，并且在提升信息提取量的同时提升了模型预测的准确性，可以给患者提出更好的治疗参考意见。

公开(公告)号：CN118982535A

公开(公告)日：2024-11-19

申请号：CN202411261036.5

申请日：2024-09-10

Applicant: 西安工程大学

Inventor： 魏炜 ,  郝子坤 ,  界璐 ,  马梦航 ,  胡振远 ,  解鹏越 ,  罗鑫迪 ,  卫建华 ,  张晓丹 ,  赵瑞

IPC: G06T7/00 ,  G16H50/20 ,  G06T5/80 ,  G06T7/11 ,  G06T7/30

Abstract: 本发明属于医学图像处理领域，具体涉及数字病理图像引导磁共振成像的胶质瘤术前诊断方法：获取并整理胶质瘤患者术前常规磁共振成像序列、术后数字病理图像及多种分子标志物标签；进行图像预处理，同时具备磁共振成像和数字病理图像的数据作为训练集，仅有磁共振成像的患者数据作为测试集；提取磁共振成像全脑特征和数字病理图像特征，捕捉影像—病理特征关系，构建模型；使用前瞻性患者术前磁共振成像数据评估模型性能。本方法可形成术前磁共振成像表示术后病理图像特征图，实现术前无数字病理图像情况下基于影像病理组学的多分子标志物预测，实现智能精准诊断，解决临床实践中影像病理组学分析时术前无法获取胶质瘤病理图像的难题。

公开(公告)号：CN117694836B

公开(公告)日：2025-05-16

申请号：CN202311820788.6

申请日：2023-12-27

Applicant: 西安工程大学

Inventor： 魏炜 ,  罗鑫迪 ,  界璐 ,  胡振远 ,  郝子坤 ,  解鹏越 ,  卫建华 ,  张晓丹 ,  赵瑞

IPC: A61B5/00 ,  A61B5/11 ,  G16H50/20 ,  G06F18/214 ,  G06F18/2415 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及帕金森病筛查领域，具体涉及一种早期帕金森病精准识别模型构建方法及系统，包括以下步骤：S1采集人类或者动物的运动数据以绘制运动轨迹图和热力图；S2对运动轨迹图和热力图进行预处理得到标准化数据集；S3基于孪生DenseNet神经网络构建特征提取器，并基于多层感知机和Softmax构建分类器，使用特征提取器分别对运动轨迹图和热力图进行关键特征提取，再对提取的特征进行多源特征融合，以融合后的特征利用既定的分类器进行分类，从而构建早期帕金森精准识别初步模型；S4对初步模型进行训练与调优得到早期帕金森病精准识别模型；S5使用测试集数据进行模型测试，完成早期帕金森识别。以实现帕金森病筛查大规模推广、提高筛查的准确性和效率。

公开(公告)号：CN117694836A

公开(公告)日：2024-03-15

申请号：CN202311820788.6

申请日：2023-12-27

Applicant: 西安工程大学

Inventor： 魏炜 ,  罗鑫迪 ,  界璐 ,  胡振远 ,  郝子坤 ,  解鹏越 ,  卫建华 ,  张晓丹 ,  赵瑞

IPC: A61B5/00 ,  A61B5/11 ,  G16H50/20 ,  G06F18/214 ,  G06F18/2415 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及帕金森病筛查领域，具体涉及一种基于行为学分析的早期帕金森病智能筛查方法及系统，包括以下步骤：S1采集人类或者动物的运动数据以绘制运动轨迹图和热力图；S2对运动轨迹图和热力图进行预处理得到标准化数据集；S3基于孪生DenseNet神经网络构建特征提取器，并基于多层感知机和Softmax构建分类器，使用特征提取器分别对运动轨迹图和热力图进行关键特征提取，再对提取的特征进行多源特征融合，以融合后的特征利用既定的分类器进行分类，从而构建早期帕金森精准识别初步模型；S4对初步模型进行训练与调优得到早期帕金森病精准识别模型；S5使用测试集数据进行模型测试，完成早期帕金森识别。以实现帕金森病筛查大规模推广、提高筛查的准确性和效率。