-
公开(公告)号：CN119810107A
公开(公告)日：2025-04-11
申请号：CN202510296013.6
申请日：2025-03-13
Applicant: 首都医科大学宣武医院
Abstract: 本申请涉及一种基于脑影像生成的AD疾病评估指引方法和装置。所述方法包括：获取用户的大脑葡萄糖代谢图，并基于所述大脑葡萄糖代谢图，通过图像融合模板进行配准处理，得到所述大脑葡萄糖代谢图对应的脑影像图；基于所述脑影像图，通过图像合成网络，合成所述用户的大脑淀粉样蛋白沉积图，并基于所述脑影像图、以及所述大脑淀粉样蛋白沉积图，通过评估模型，生成所述脑影像图对应的第一评估结果、以及所述大脑淀粉样蛋白沉积图对应的第二评估结果；基于所述第一评估结果、以及所述第二评估结果，生成所述用户的疾病评估指引信息。采用本方法能够提升了对AD疾病的评估指引效率。
-
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。
-
Patent Agency Ranking
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：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：CN119359717A
公开(公告)日：2025-01-24
申请号：CN202411918432.0
申请日：2024-12-24
Applicant: 首都医科大学宣武医院
Abstract: 本申请涉及一种PET糖代谢值的预测方法、装置和计算机设备。方法包括：通过扫描仪，采集患者的序列扫描图像、以及对比图像，并基于所述序列扫描图像，通过序列分割策略，生成所述患者的各反转恢复图像；对各所述反转恢复图像进行图像合并处理，得到所述患者的目标合成图像，并基于所述目标合成图像、以及所述对比图像，通过图像比对策略，识别所述目标合成图像的组织异常信息；基于所述组织异常信息，通过糖代谢值预测策略，预测所述患者的糖代谢值。采用本方法能够提升了对PET糖代谢值的预测精准度。
-
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。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
