公开(公告)号：CN117084704A

公开(公告)日：2023-11-21

申请号：CN202311122140.1

申请日：2023-09-01

Applicant: 首都医科大学宣武医院 ,  北京科技大学

Inventor： 罗继昌 ,  张桃红 ,  陈赛安 ,  王韬 ,  杨仁杰 ,  焦力群

IPC: A61B6/00

Abstract: 本发明公开了一种基于数字减影血管造影的颈动脉狭窄检测和量化方法，包括：利用目标检测模型的分类分支检测数字减影血管造影的图像中颈动脉的狭窄血管以及正常血管；其中，目标检测模型的检测头包括分类分支、Match‑ness分支以及回归分支；利用检测头中的Match‑ness分支分别预测多个正常血管与单个狭窄血管之间的匹配程度；截取狭窄血管以及与狭窄血管匹配程度最高的正常血管，并输入回归模型预测颈动脉狭窄的形态学指标，得到颈动脉狭窄定量分析结果。本发明通过目标检测模型获得颈动脉狭窄和血管树中多个正常血管段之间的匹配关系，精准检测出狭窄血管和适合预测狭窄的参考血管直径的正常血管，进一步进行狭窄形态学指标的精准量化。

公开(公告)号：CN118115478A

公开(公告)日：2024-05-31

申请号：CN202410340651.9

申请日：2024-03-25

Applicant: 浙江大学 ,  首都医科大学宣武医院

Inventor： 张宇 ,  侯博韬 ,  罗继昌 ,  陈曦 ,  王韬 ,  白雪松 ,  焦力群

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及了一种基于颅内动脉侧位置影像的TICI分级分析系统及方法，用于完成TICI分级标准中2b级和3级的区分。具体包括：获取颅内动脉影像侧位置的原始影像序列；对原始影像序列进行图像预处理；对处理后的序列进行关键帧捕捉，以区分无用帧和检测帧；引入医学先验知识，将检测帧影像根据固定比例尺的距离截取公式进行感兴趣区域(ROI)自动截取，得到检测帧的ROI序列影像；利用侧位置多帧伪序列模型对ROI序列影像进行分级分析，分级结果为2b级和3级，分别表示存在血流阻塞和血流完全通畅。本发明利用主流的深度学习方法搭建模型，并引入医学先验知识，有力的保障了结果的准确性。

公开(公告)号：CN114705873B

公开(公告)日：2022-08-26

申请号：CN202210628243.4

申请日：2022-06-06

Applicant: 首都医科大学宣武医院

Inventor： 李伟 ,  焦力群 ,  刘睿婷 ,  王韬 ,  张潇 ,  罗继昌 ,  白雪松 ,  王朝东 ,  王继跃 ,  张利勇 ,  郝继恒

IPC: G01N33/92 ,  G01N30/02 ,  G01N30/06 ,  G01N30/30 ,  G01N30/32 ,  G01N30/34 ,  G01N30/72

Abstract: 本发明涉及药物靶标技术领域，尤其涉及脂质作为颈动脉粥样硬化斑块诊断标志物的用途。本发明应用DESI‑MSI技术来研究人动脉粥样硬化不同发展阶段的空间脂质分布，寻找到了能够反映疾病进展的有特定空间分布的10种脂质靶标分子，为研究和治疗颈动脉粥样硬化斑块提供新的潜在靶点。

公开(公告)号：CN114705873A

公开(公告)日：2022-07-05

申请号：CN202210628243.4

申请日：2022-06-06

Applicant: 首都医科大学宣武医院

Inventor： 李伟 ,  焦力群 ,  刘睿婷 ,  王韬 ,  张潇 ,  罗继昌 ,  白雪松 ,  王朝东 ,  王继跃 ,  张利勇 ,  郝继恒

IPC: G01N33/92 ,  G01N30/02 ,  G01N30/06 ,  G01N30/30 ,  G01N30/32 ,  G01N30/34 ,  G01N30/72

Abstract: 本发明涉及药物靶标技术领域，尤其涉及脂质作为颈动脉粥样硬化斑块诊断标志物的用途。本发明应用DESI‑MSI技术来研究人动脉粥样硬化不同发展阶段的空间脂质分布，寻找到了能够反映疾病进展的有特定空间分布的10种脂质靶标分子，为研究和治疗颈动脉粥样硬化斑块提供新的潜在靶点。

公开(公告)号：CN118096714A

公开(公告)日：2024-05-28

申请号：CN202410340639.8

申请日：2024-03-25

Applicant: 浙江大学 ,  首都医科大学宣武医院

Inventor： 陈曦 ,  侯博韬 ,  罗继昌 ,  张宇 ,  王韬 ,  白雪松 ,  焦力群

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于颅内动脉正位置影像的TICI分级分析系统及方法。具体包括：获取颅内动脉影像正位置的DSA序列原始影像；对原始影像预处理；引入医学先验知识，对处理后影像根据固定比例尺的距离截取公式进行感兴趣区域(ROI)自动截取，得到两个不同位置的ROI；利用得到的两个ROI，使用本发明提出的正位置预分类‑细分类模型进行分级。参考TICI分级标准，分为01级、2a级、2b3级，表示颅内动脉血流通畅度依次递增。本发明利用主流的深度学习目标检测与分类算法搭建模型，并引入医学先验知识进行辅助，有力的保证了结果的准确性。

公开(公告)号：CN118800441A

公开(公告)日：2024-10-18

申请号：CN202410999990.8

申请日：2024-07-24

Applicant: 首都医科大学宣武医院

Inventor： 王韬 ,  刘市祺 ,  罗继昌 ,  刘德临 ,  孙文欣 ,  焦力群 ,  马妍 ,  杨斌 ,  谢晓亮 ,  侯增广 ,  杨仁杰

IPC: G16H50/20 ,  G16H30/20 ,  G06T7/00 ,  G06T7/11 ,  G06T5/20 ,  G06T5/70 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于非负最小二乘法的脑灌注参数解算方法，方法包括：将图像进行预处理以获得CT值函数；基于方差阈值法计算浓度曲线和浓度函数；基于非负最小二乘法对浓度函数进行反卷积以构建缩放残差函数；基于所述缩放残差函数解析脑灌注参数。本发明具有计算结果稳定的特点。在特定情况下，特别是输入的动脉造影剂浓度矩阵为病态矩阵，或者因正则化参数的选择而造成误差时，本发明的计算结果也稳定。此外，本发明还避免了需要有丰富经验的医生的参与的缺陷，节省了人力资源，提高了医务人员的工作效率。