-
公开(公告)号：CN116310352A
公开(公告)日：2023-06-23
申请号：CN202310108568.4
申请日：2023-01-20
Applicant: 首都医科大学宣武医院 , 深圳市铱硙医疗科技有限公司
Abstract: 本发明涉及图像分类技术领域，揭露了一种阿尔兹海默病MRI图像多分类方法及装置，包括：接收病人的脑部MRI图像，将所述脑部MRI图像输入至预先构建的脑部结构识别模型，得到MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图，其中，脑部结构自动识别模型由卷积层、特征融合层、注意力层及YOLO模型层，计算MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图分别在脑部MRI图像的面积占比，并根据面积占比确定病人的阿尔兹海默病的病重等级。本发明主要目的在于解决目前多数方法仅依赖于单一模型识别脑部MRI图像的脑叶区域，从而造成阿尔兹海默病误判率较高的问题。
-
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。
-
Patent Agency Ranking
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：CN116310352B
公开(公告)日：2024-04-12
申请号：CN202310108568.4
申请日：2023-01-20
Applicant: 首都医科大学宣武医院 , 深圳市铱硙医疗科技有限公司
Abstract: 本发明涉及图像分类技术领域，揭露了一种阿尔兹海默病MRI图像多分类方法及装置，包括：接收病人的脑部MRI图像，将所述脑部MRI图像输入至预先构建的脑部结构识别模型，得到MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图，其中，脑部结构自动识别模型由卷积层、特征融合层、注意力层及YOLO模型层，计算MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图分别在脑部MRI图像的面积占比，并根据面积占比确定病人的阿尔兹海默病的病重等级。本发明主要目的在于解决目前多数方法仅依赖于单一模型识别脑部MRI图像的脑叶区域，从而造成阿尔兹海默病误判率较高的问题。
-
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：CN118396922B
公开(公告)日：2024-10-01
申请号：CN202410237366.4
申请日：2024-03-01
Applicant: 首都医科大学宣武医院
IPC: G06T7/00 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本申请涉及一种医学图像生成方法、装置、计算机设备和存储介质。该方法包括：获取磁共振设备对目标对象成像所得到的T1图像；将T1图像输入至预设图像生成网络中，得到目标对象的T1增强图像；预设图像生成网络为基于初始循环生成对抗网络训练得到，初始循环生成对抗网络为三维网络。采用该方法，在实际进行磁共振扫描时，只需对目标对象进行T1序列的磁共振扫描，得到目标对象的T1图像即可，无需对目标对象注射对比剂再进行T1增强序列的磁共振扫描；不仅能够减少一次磁共振成像过程，缩短磁共振的成像时间；还能避免目标对象因对比剂所产生的不良影响；另外，还能减少目标对象所受到的辐射影响；综合提高磁共振扫描的高效性和安全性。
-
公开(公告)号：CN118396922A
公开(公告)日：2024-07-26
申请号：CN202410237366.4
申请日：2024-03-01
Applicant: 首都医科大学宣武医院
IPC: G06T7/00 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本申请涉及一种医学图像生成方法、装置、计算机设备和存储介质。该方法包括：获取磁共振设备对目标对象成像所得到的T1图像；将T1图像输入至预设图像生成网络中，得到目标对象的T1增强图像；预设图像生成网络为基于初始循环生成对抗网络训练得到，初始循环生成对抗网络为三维网络。采用该方法，在实际进行磁共振扫描时，只需对目标对象进行T1序列的磁共振扫描，得到目标对象的T1图像即可，无需对目标对象注射对比剂再进行T1增强序列的磁共振扫描；不仅能够减少一次磁共振成像过程，缩短磁共振的成像时间；还能避免目标对象因对比剂所产生的不良影响；另外，还能减少目标对象所受到的辐射影响；综合提高磁共振扫描的高效性和安全性。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
