-
公开(公告)号：CN119832014A
公开(公告)日：2025-04-15
申请号：CN202510301106.3
申请日：2025-03-14
Applicant: 大连理工大学 , 首都医科大学附属北京友谊医院 , 首都师范大学 , 北京明上医疗科技有限公司
Abstract: 本申请公开了一种用于分割大肠积液的方法、设备及存储介质。所述方法包括：从三维肠道影像中提取骨架体积最大的目标骨架，并将其作为初始分割区域；基于所述初始分割区域，使用主动轮廓模型进行轮廓提取，以获得肠部分割结果；计算所述肠部分割结果在截面区域的最小包围圆；使用高斯混合模型在所述最小包围圆内拟合大肠区域的概率分布和大肠积液区域的概率分布；以及将拟合结果输入至图割算法模型进行积液分割，以从大肠区域中分割出大肠积液区域。利用本申请的方案，可以准确提取大肠积液区域，后续通过将大肠积液区域与大肠区域结合，可以分割出完整的大肠区域。
-
公开(公告)号：CN115115727B
公开(公告)日：2023-08-01
申请号：CN202210551434.5
申请日：2022-05-18
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请公开了核磁图像处理方法、系统、设备及存储介质。该方法包括：获取在预设时间长度内目标对象的低质量核磁图像序列；对低质量核磁图像序列进行分析处理，生成包含有目标对象的目标特征的定量图像序列；对包含有目标特征的定量图像序列进行重建处理，生成超分辨率图像。本方案通过将标准合成磁共振成像技术的扫描图像时间长度缩短为预设时间，能够有效提升图像扫描效率。由于对扫描图像时间进行缩短调整，因此所得到的扫描图像为低质量核磁图像序列。在得到低质量核磁图像序列后，利用定量分析技术和图像重建技术，对低质量核磁图像进行处理，得到满足使用需求的超分辨率图像，在满足图像质量需求的同时，能够有效缩短图像处理时间长度。
-
公开(公告)号：CN114386454A
公开(公告)日：2022-04-22
申请号：CN202111498955.0
申请日：2021-12-09
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本说明书公开了一种基于信号混合策略的医疗时序信号数据处理方法，能够至少部分地解决相关技术中存在的医学预测模型从医学数据中学习知识的效率较低的问题。本说明书中的基于信号混合策略的医疗时序信号数据处理方法，在构建训练样本集时，一方面采用的了周期性数据，另一方面还采用了非周期性数据。周期性数据和非周期性数据对知识的表现方式不同，则通过本说明书中的方法构建的训练样本集，能够使得医学预测模型较为高效的学习到医学数据表现出的知识，则后续采用训练后的医学预测模型，也具有较好的模型性能，可以基于采集到医学数据，得到较为准确的预测结果。
-
公开(公告)号：CN113569984A
公开(公告)日：2021-10-29
申请号：CN202110943317.9
申请日：2021-08-17
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请公开了脑灌注状态分类装置、方法、设备及存储介质。其中，该方法包括：收发模块用于获取来自超声数据采集设备的颈部血流数据；处理器，用于基于颈部血流数据、以及颈部血流数据与脑部灌注数据的映射关系，确定颈部血流数据对应的脑部灌注数据；基于脑部灌注数据中多个脑部区域的血流灌注特征，对多个脑部区域的脑灌注状态进行分类。上述装置能够通过颈部血流数据预测对应的脑部灌注数据，进而基于脑部灌注数据中的血流灌注特征(如脑血流量)，更加全面准确地区分各个脑部区域的脑灌注状态，不仅大大简化脑灌注状态的获取方式，拓展脑部检查的应用场景，还提高脑血流及脑功能评估结果的准确性，辅助医生完成脑部检查。
-
公开(公告)号：CN112308964B
公开(公告)日：2021-07-06
申请号：CN202011416156.X
申请日：2020-12-03
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请公开了一种针对单侧颞骨的空间数据处理及定位方法、装置及设备。其中，处理方法包括：获取三维重建模型中双侧外半规管骨管模型的中心线；基于中心线确定双侧外半规管骨管模型各自对应的最外侧点；根据最外侧点，确定坐标原点及正中矢状面；获取三维重建模型中双侧外半规管骨管模型与各自对应的壶腹模型交界处的中心点；根据最外侧点、坐标原点和中心点，确定横轴面；根据横轴面及正中矢状面，确定冠状面；基于坐标原点、正中矢状面、横轴面及冠状面，建立单侧颞骨空间坐标系。用户在触发了针对某一待标定点的获取请求后，便能自动的利用单侧颞骨空间坐标系确定并显示该标定点的坐标值，为后续的医学研究提供了良好的基础。
-
Patent Agency Ranking
公开(公告)号：CN114386454B
公开(公告)日：2023-02-03
申请号：CN202111498955.0
申请日：2021-12-09
Applicant: 首都医科大学附属北京友谊医院
IPC: G06F18/10 , G06F18/15 , G06F18/213 , G06F18/2415 , G06F18/214 , A61B5/00 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/10 , G16H50/20 , G06F123/02
Abstract: 本说明书公开了一种基于信号混合策略的医疗时序信号数据处理方法，能够至少部分地解决相关技术中存在的医学预测模型从医学数据中学习知识的效率较低的问题。本说明书中的基于信号混合策略的医疗时序信号数据处理方法，在构建训练样本集时，一方面采用的了周期性数据，另一方面还采用了非周期性数据。周期性数据和非周期性数据对知识的表现方式不同，则通过本说明书中的方法构建的训练样本集，能够使得医学预测模型较为高效的学习到医学数据表现出的知识，则后续采用训练后的医学预测模型，也具有较好的模型性能，可以基于采集到医学数据，得到较为准确的预测结果。
-
公开(公告)号：CN114533121B
公开(公告)日：2022-09-16
申请号：CN202210153193.9
申请日：2022-02-18
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本发明实施例提供了一种脑灌注状态预测装置、方法、设备及模型训练装置，该脑灌注状态装置包括：第一获取模块用于获取生理特征数据，所述生理特征数据包括颈部血流数据、生理指标数据；第一确定模块用于确定与所述生理特征数据对应的颈部血流状态；第一处理模块用于根据所述颈部血流状态，确定与所述生理特征相对应的脑灌注状态。上述装置能够实现对脑灌注状态的预测。并且该脑灌注状态预测方法融合了更多的生理特征，提高了脑灌注状态预测结果的准确性，同时无需使用大型检查设备即可完成对脑灌注状态的预测，从而降低了脑灌注状态检查难度，使得脑灌注状态预测方法能够适用到各个应用场景，进一步提高了该预测方法的实用性。
-
公开(公告)号：CN113569984B
公开(公告)日：2022-05-31
申请号：CN202110943317.9
申请日：2021-08-17
Applicant: 首都医科大学附属北京友谊医院
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/026 , A61B5/055 , A61B5/145 , A61B8/06
Abstract: 本申请公开了脑灌注状态分类装置、方法、设备及存储介质。其中，该方法包括：收发模块用于获取来自超声数据采集设备的颈部血流数据；处理器，用于基于颈部血流数据、以及颈部血流数据与脑部灌注数据的映射关系，确定颈部血流数据对应的脑部灌注数据；基于脑部灌注数据中多个脑部区域的血流灌注特征，对多个脑部区域的脑灌注状态进行分类。上述装置能够通过颈部血流数据预测对应的脑部灌注数据，进而基于脑部灌注数据中的血流灌注特征(如脑血流量)，更加全面准确地区分各个脑部区域的脑灌注状态，不仅大大简化脑灌注状态的获取方式，拓展脑部检查的应用场景，还提高脑血流及脑功能评估结果的准确性，辅助医生完成脑部检查。
-
公开(公告)号：CN114386479A
公开(公告)日：2022-04-22
申请号：CN202111498958.4
申请日：2021-12-09
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本说明书公开了一种医学数据处理方法、装置、存储介质及电子设备，能够至少部分地解决相关技术中存在的训练样本不足导致的模型处理数据的效果受到负面影响的技术问题。本说明书中的医学数据处理方法对多个扩增策略进行评估，从其中确定出较为适于扩增的目标策略。然后，采用目标策略对目标样本集进行扩增，得到训练样本集。由于目标策略是在多种扩增策略中基于评估结果确定出的，则经目标策略扩增得到的训练样本集一方面其中包含的样本数量不会过于不足；另一方面，其中包含的扩增后的样本对医学预测模型的训练造成负面影响的隐患也较低。由此，基于训练样本集训练得到的医学预测模型也能够获得较好的模型性能。
-
公开(公告)号：CN113506640A
公开(公告)日：2021-10-15
申请号：CN202110943428.X
申请日：2021-08-17
Applicant: 首都医科大学附属北京友谊医院
Abstract: 本申请公开了脑灌注状态分类装置、方法、设备及模型训练装置。该装置中，收发模块，用于接收来自不同数据采集设备的生理特征数据；处理器，用于提取生理特征数据中的生理特征；将生理特征输入随机森林模型中，以使随机森林模型中的多个决策树预测出生理特征对应的脑灌注状态类型；基于生理特征对应的脑灌注状态类型对脑灌注状态进行分类。通过该装置，不仅无需使用大型检查设备即可对脑灌注状态进行分类，大大降低脑灌注状态分类的实现难度，拓展脑灌注状态分类的应用场景；并通过随机森林模型还可融合更多生理特征，以更加准确地区分各种脑灌注状态，提高脑血流及脑功能评估结果的准确性，辅助医生完成脑部检查。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.04 seconds)
