-
公开(公告)号：CN111096748A
公开(公告)日：2020-05-05
申请号：CN201911314004.6
申请日：2019-12-19
Applicant: 首都医科大学宣武医院
Abstract: 本发明公开了一种动态测量脑氧代谢率的方法，该方法采用基于灌注成像的多个非对称性自旋回波-回波平面成像技术，即采用选层反转标记与非选层反转标记交替切换所组成的多回波信号采集方式，以选层与非选层信号相加/减的形式同步获得OEF和CBF加权图像，并结合费克定律最终实现了对CMRO2动态变化的测量。本发明从根本上解决了校准BOLD法需要气体校准导致的一系列问题，大大提高了受试者的舒适度，扩大了适用人群，大幅度降低了操作的复杂性以及测量成本，进而有望建立不同人群的脑健康和脑疾病机制的研究，并推动推动神经科学和临床医学的发展。
-
公开(公告)号：CN113380384A
公开(公告)日：2021-09-10
申请号：CN202110486680.2
申请日：2021-05-01
Applicant: 首都医科大学宣武医院 , 中国科学院计算机网络信息中心
Abstract: 本发明涉及人机协同训练医学影像标注模型的方法，包括以下步骤：(a)收集医学影像的待标注数据集；(b)选择N组影像数据，分别分发给N个标注人员进行人工标注，并且发送至标注模型进行自动标注；(c)评价人工标注结果和自动标注结果是否合格；(d)比较自动标注结果的合格率与人工标注结果的合格率：(d1)如果自动标注结果的合格率大于人工标注结果的合格率，则终止对标注模型的训练；并且(d2)如果自动标注结果的合格率小于人工标注结果的合格率，则利用自动标注结果和人工标注结果中合格的标注结果来训练并更新标注模型；以及(e)循环所述步骤(b)至(d)，直至终止对标注模型的训练。本发明还涉及医学影像标注方法及系统。
-
公开(公告)号：CN113379676A
公开(公告)日：2021-09-10
申请号：CN202110489225.8
申请日：2021-05-01
Applicant: 首都医科大学宣武医院 , 中国科学院计算机网络信息中心
Abstract: 本发明提出一种灰白质体积异常检测矫正方法，包括：基于行为学量表，获取测试对象的行为学评分结果，以及对应于所述行为学量表的行为学与脑结构之间的映射模板；将所述行为学评分结果与所述映射模板加权，获得加权模板；对测试对象的磁共振成像数据进行VBM分析，获得脑部灰白质体积异常区域概率模板；将所述加权模板与所述脑部灰白质体积异常区域概率模板比较，提取同时表现为显著异常的体素作为分析结果。本发明还公开了一种灰白质体积异常检测装置、一种/灰白质体积异常检测设备和一种计算机可读存储介质。采用本发明实施例，能够利用脑结构与行为学之间的关系，修正了由于VBM分析中多重比较误差所带来的假阳性。
-
公开(公告)号：CN118840368A
公开(公告)日：2024-10-25
申请号：CN202411312069.8
申请日：2024-09-20
Applicant: 首都医科大学宣武医院 , 深圳市铱硙医疗科技有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种基于Aβ‑PET脑影像的自动化定量与智能分析方法，包括：将Aβ‑PET原始数据进行数据预处理，得到脑实质数据；对脑实质数据进行自动定量分析，计算得到体素SUVMean和体素SUVR；基于大脑结构掩膜，计算各脑区平均SUVR实现脑区级定量；根据体素SUVMean、体素SUVR和各脑区平均SUVR生成定量参数图；构建标准参考表；利用训练好的多模态3D卷积神经网络对定量参数图进行分类，得到前5%贡献度体素作为疑似异常体素；根据标准参考表和疑似异常体素判断脑区异常，实现自动定位异常脑区。通过本发明方案，实现了从Aβ‑PET原始数据定量化分析，提供体素级别定量化数据的同时，提供精确的基于解剖分区的定量参数并可视化输出异常区域图片，对临床医生诊断提供了有益的帮助。
-
公开(公告)号：CN111096748B
公开(公告)日：2023-06-02
申请号：CN201911314004.6
申请日：2019-12-19
Applicant: 首都医科大学宣武医院
Abstract: 本发明公开了一种动态测量脑氧代谢率的方法，该方法采用基于灌注成像的多个非对称性自旋回波‑回波平面成像技术，即采用选层反转标记与非选层反转标记交替切换所组成的多回波信号采集方式，以选层与非选层信号相加/减的形式同步获得OEF和CBF加权图像，并结合费克定律最终实现了对CMRO2动态变化的测量。本发明从根本上解决了校准BOLD法需要气体校准导致的一系列问题，大大提高了受试者的舒适度，扩大了适用人群，大幅度降低了操作的复杂性以及测量成本，进而有望建立不同人群的脑健康和脑疾病机制的研究，并推动推动神经科学和临床医学的发展。
-
Patent Agency Ranking
公开(公告)号：CN114936989A
公开(公告)日：2022-08-23
申请号：CN202210860942.1
申请日：2022-07-22
Applicant: 首都医科大学宣武医院
Abstract: 本发明提供了一种基于医学图像的葡萄糖代谢率的定量分析方法及系统。由于患者通常在单侧颈内动脉存在进行性狭窄或阻塞，该方法基于患者的PET/MRI图像，对患者的单侧颈内动脉岩端区域进行图像输入函数处理，最终给出患者的葡萄糖代理率绝对数值。本发明提供的方法有效降低了定量分析的数值误差，提高了定量分析的稳定性和鲁棒性，避免了传统定量分析方法患者的参考脑区不稳定的缺陷，比现有的半定量方法更对准确地评估脑部代谢活动，降低患者脑卒中风险，并且对患者无创伤，协助临床医生对患者的脑部代谢活动更为了解，帮助临床治疗方案的选择，具有重要的社会意义和临床价值。
-
公开(公告)号：CN118840368B
公开(公告)日：2024-12-13
申请号：CN202411312069.8
申请日：2024-09-20
Applicant: 首都医科大学宣武医院 , 深圳市铱硙医疗科技有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种基于Aβ‑PET脑影像的自动化定量与智能分析方法，包括：将Aβ‑PET原始数据进行数据预处理，得到脑实质数据；对脑实质数据进行自动定量分析，计算得到体素SUVMean和体素SUVR；基于大脑结构掩膜，计算各脑区平均SUVR实现脑区级定量；根据体素SUVMean、体素SUVR和各脑区平均SUVR生成定量参数图；构建标准参考表；利用训练好的多模态3D卷积神经网络对定量参数图进行分类，得到前5%贡献度体素作为疑似异常体素；根据标准参考表和疑似异常体素判断脑区异常，实现自动定位异常脑区。通过本发明方案，实现了从Aβ‑PET原始数据定量化分析，提供体素级别定量化数据的同时，提供精确的基于解剖分区的定量参数并可视化输出异常区域图片，对临床医生诊断提供了有益的帮助。
-
公开(公告)号：CN113379676B
公开(公告)日：2024-07-19
申请号：CN202110489225.8
申请日：2021-05-01
Applicant: 首都医科大学宣武医院 , 中国科学院计算机网络信息中心
Abstract: 本发明提出一种灰白质体积异常检测矫正方法，包括：基于行为学量表，获取测试对象的行为学评分结果，以及对应于所述行为学量表的行为学与脑结构之间的映射模板；将所述行为学评分结果与所述映射模板加权，获得加权模板；对测试对象的磁共振成像数据进行VBM分析，获得脑部灰白质体积异常区域概率模板；将所述加权模板与所述脑部灰白质体积异常区域概率模板比较，提取同时表现为显著异常的体素作为分析结果。本发明还公开了一种灰白质体积异常检测装置、一种/灰白质体积异常检测设备和一种计算机可读存储介质。采用本发明实施例，能够利用脑结构与行为学之间的关系，修正了由于VBM分析中多重比较误差所带来的假阳性。
-
公开(公告)号：CN113610841B
公开(公告)日：2022-07-08
申请号：CN202110991077.X
申请日：2021-08-26
Applicant: 首都医科大学宣武医院
Abstract: 本方案公开了一种血管异常图像识别方法、装置、电子设备和存储介质，其中，该方法的步骤包括：对待识别血管图像中的体素点进行标记，获得体素点标记信息；基于所述体素点标记信息，确定血管区域中的最大联通域；利用所述最大联通域，识别待识别血管图像中的异常血管图像。本方案利用血管区域中的最大联通域，来快速识别出血管图像中的复杂血管区域，通过对复杂血管区域的筛选，识别出血管异常图像；通过这种方式能够快速、准确的从正常血管中分理出复杂血管区域，再对复杂血管的真实属性进行识别，从而提高识别的准确度，降低误诊率和漏诊率。
-
公开(公告)号：CN113610841A
公开(公告)日：2021-11-05
申请号：CN202110991077.X
申请日：2021-08-26
Applicant: 首都医科大学宣武医院
Abstract: 本方案公开了一种血管异常图像识别方法、装置、电子设备和存储介质，其中，该方法的步骤包括：对待识别血管图像中的体素点进行标记，获得体素点标记信息；基于所述体素点标记信息，确定血管区域中的最大联通域；利用所述最大联通域，识别待识别血管图像中的异常血管图像。本方案利用血管区域中的最大联通域，来快速识别出血管图像中的复杂血管区域，通过对复杂血管区域的筛选，识别出血管异常图像；通过这种方式能够快速、准确的从正常血管中分理出复杂血管区域，再对复杂血管的真实属性进行识别，从而提高识别的准确度，降低误诊率和漏诊率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
