-
公开(公告)号：CN119295392A
公开(公告)日：2025-01-10
申请号：CN202411333475.2
申请日：2024-09-24
Applicant: 西安市第一医院 , 神州医疗科技股份有限公司
IPC: G06T7/00 , G06V10/26 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度学习的眼眶图像分割识别方法，其特征在于，将注意力机制引入Unet网络结构，利用以往的眼部CT/MRI影像进行模型训练，构建眼部区域分割网络模型，通过分割网络模型将待处理眼部CT/MRI影像分割为不同区域，再分别对不同区域测量其相应数据，得到眼部CT/MRI影像分割结果。本发明基于深度学习的眼眶图像分割识别方法解决了现有技术对眼眶MRI图像分割不明确、图像识别及数据测量不精确的问题。
-
公开(公告)号：CN118447255A
公开(公告)日：2024-08-06
申请号：CN202410716361.X
申请日：2024-06-04
Applicant: 西安市第一医院 , 神州医疗科技股份有限公司
IPC: G06V10/26 , G06V10/22 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于nnU‑net的多重阈值分割颧骨顶点定位方法，该方法包括以下步骤：步骤S10、获取MR图像数据，利用nnU‑net框架分别构建眼球分割网络和眼眶分割网络；步骤S20、基于眼球分割网络和眼眶分割网络确定的所述眼球和眼眶的位置，对所述MR图像数据进行多重阈值处理，确定阈值范围，得到目标轮廓集合；步骤S30、基于目标轮廓集合确定颧骨顶点。本发明，能够保证颧骨顶点定位的准确性，从而使得基于颧骨顶点实现的疾病判断的结果更精确。
-
公开(公告)号：CN117612711B
公开(公告)日：2024-05-03
申请号：CN202410087069.6
申请日：2024-01-22
Applicant: 神州医疗科技股份有限公司
IPC: G16H50/20 , G06F18/213 , G06F18/25 , G06F18/24
Abstract: 本发明公开了一种分析肝癌复发数据的多模态预测模型构建方法及系统，通过将临床文本、影像、病理多个模态数据进行整合，基于多种模态数据和多种融合策略构建了分析肝癌复发数据的多模态预测模型，相比单模态建模，多模态建模能提高模型预测的准确性，弥补单一数据的局限性，本方案对各个模态的特征进行单独调优，全面反映肝癌复发数据的复杂机制，对于肝癌复发数据的分析更为完备，还能增强模型的泛化能力，更好地适用于医学应用场景，辅助临床决策。
-
公开(公告)号：CN117649418A
公开(公告)日：2024-03-05
申请号：CN202410128271.9
申请日：2024-01-30
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及医学图像处理技术领域，具体涉及一种胸部多器官分割方法及系统和计算机可读存储介质；本发明采用STUNet模型作为分割模型的基础模型，采用对部分器官标记的胸部CT图像进行训练，对缺标数据赋予伪标签，最终实现将无标或缺标的胸部CT图像形成全标记CT图像，进而训练得到胸部多器官分割模型，实现对无标或缺标的胸部CT图像的分割，解决了胸部CT图像全数据少的问题，使缺标或无标的胸部CT图像得到充分利用，实现准确的胸部多器官分割模型的构建。
-
公开(公告)号：CN117576127A
公开(公告)日：2024-02-20
申请号：CN202410067270.8
申请日：2024-01-17
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/11 , G06T7/136 , G06T7/194 , G06V10/28 , G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于病理图像的肝癌区域自动勾画方法，具体涉及肝癌病理图像预测技术领域。本申请基于肝癌病理图像建立了预测肝癌癌区的模型流程，并且模型效果较好，其中dice值达到0.92，具体的是构建了深度学习病理图片识别模型，具体的是通过深度学习勾画癌区、再利用影像组学提取特征并根据特征训练模型以及判别任务，具备步骤详细、方案清晰和预测准确的优点；解决了医生看病理图片费时标注癌区费力的问题，并且也避免出现假阳性患者浪费医疗资源，分析准确率高；通过预测时截取patches中心部分预测并应用于patches其他区域，有效节约了模型训练与预测的时间，同时模型训练与预测精度损失也较小。
-
Patent Agency Ranking
公开(公告)号：CN117290686A
公开(公告)日：2023-12-26
申请号：CN202311560971.7
申请日：2023-11-22
Applicant: 神州医疗科技股份有限公司
IPC: G06F18/20 , G16H50/20 , G06F18/10 , G06F18/2113 , G06F18/2411 , G06F18/2413 , G06F18/243 , A61B5/11 , A61B5/00
Abstract: 本发明涉及一种预测患者跌倒风险的模型的构建方法，该构建方法包括：数据的采集、数据的预处理以及模型构建等步骤。本发明针对平衡能力数据以及步态能力数据，通过筛选出与平衡能力数据相关性较高的第一风险特征以及与步态能力数据相关性较高的第二风险特征，采用8种二分类的机器学习模型针对平衡能力和步态能力分别进行模型构建，并分别计算7种模型评价指标，分别选取AUROC最高的预测患者跌倒风险的模型作为最终模型，该模型能够实现对患者步态和平衡能力的快速预测，模型效果较好，且得到的评估结果更加能体现真实的平衡能力与步态能力，提高了患者跌倒风险预测结果的准确度。
-
公开(公告)号：CN117952988A
公开(公告)日：2024-04-30
申请号：CN202410120321.9
申请日：2024-01-29
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明涉及一种腹部CT图像的肝脏和肝脏肿瘤3D分割后处理方法，该方法包括以下步骤：获取腹部CT图像，并进行肝脏和肝脏肿瘤的分割，得到第一肝脏分割结果和第一肝脏肿瘤分割结果；分别对所述第一肝脏分割结果和所述第一肝脏肿瘤分割结果进行第一次处理，得到第三肝脏分割结果和第三肝脏肿瘤分割结果，取并集后得到第四肝脏分割结果；对所述第四肝脏分割结果进行第二次处理，得到第八肝脏分割结果；对所述第八肝脏分割结果进行第三次处理，得到最终的肝脏分割输出结果，将所述肝脏输出图像与所述第三肝脏肿瘤分割结果取交集，得到最终的肝脏肿瘤分割输出结果。本发明，能够实现降低分割偏差的目的，提高肝脏及肝脏肿瘤分割的精度。
-
公开(公告)号：CN117649418B
公开(公告)日：2024-04-19
申请号：CN202410128271.9
申请日：2024-01-30
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及医学图像处理技术领域，具体涉及一种胸部多器官分割方法及系统和计算机可读存储介质；本发明采用STUNet模型作为分割模型的基础模型，采用对部分器官标记的胸部CT图像进行训练，对缺标数据赋予伪标签，最终实现将无标或缺标的胸部CT图像形成全标记CT图像，进而训练得到胸部多器官分割模型，实现对无标或缺标的胸部CT图像的分割，解决了胸部CT图像全数据少的问题，使缺标或无标的胸部CT图像得到充分利用，实现准确的胸部多器官分割模型的构建。
-
公开(公告)号：CN116703896A
公开(公告)日：2023-09-05
申请号：CN202310963187.4
申请日：2023-08-02
Applicant: 神州医疗科技股份有限公司
IPC: G06T7/00 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及前列腺癌技术领域，具体涉及一种基于多模态的前列腺癌与增生预测系统及构建方法；本方法包括采集患者的临床数据以及前列腺序列的CT影像，采用3DUNET分割模型对前列腺影像序列的前列腺区域进行ROI标注，经VIT算法模型处理后得出患者的前列腺影像embedding，对患者的临床数据进行预处理后得到患者的临床embedding，将对应的影像和临床embedding进行拼接，得到前列腺癌与增生预测模型；本发明通过将临床数据与影响数据进行结合形成多模态数据，并构建预测模型，实现对前列腺癌与增生的预测，解决了临床上医生对PSA值处于4到6的患者影像判断的挑战，避免患者做活检带来的痛苦。
-
公开(公告)号：CN115797638A
公开(公告)日：2023-03-14
申请号：CN202310054375.5
申请日：2023-02-03
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本申请提出一种医学图像分割方法、装置、电子设备及存储介质，方法包括：用少量人工标注的图像训练全监督医学图像分割模型；采用该模型对未进行标注的医学图像进行预测，得到伪标注医学图像；从伪标注医学图像中选出高质量伪标注图像，使用少量人工标注的图像与高质量伪标注图像来对全监督医学图像分割模型进行微调，得到半监督模型；重复进行n轮生成n个半监督模型，用最终的半监督模型预测未进行人工标注的图像。装置包括：人工标注模块、全监督模型训练模块、伪标注图像生成模块、高质量伪标注图像选择模块、半监督模型训练模块、标注结果输出模块。本申请仅用少量人工标注，就能够得到准确的多器官分割模型，并实现所有医学图像的标注。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.047 seconds)
