-
公开(公告)号:CN112907563B
公开(公告)日:2023-12-01
申请号:CN202110286102.4
申请日:2021-03-17
Applicant: 复旦大学附属华山医院
Inventor: 于泽宽 , 耿道颖 , 陈泓亦 , 陆青青 , 刘学玲 , 吕锟 , 王容 , 杜鹏 , 文剑波 , 韩秋月 , 张海燕 , 杜成娟 , 王娜 , 李璇璇 , 吴昊 , 耿岩 , 张军 , 尹波 , 李郁欣 , 王俊杰 , 陈卫强 , 李强 , 张顺 , 曹鑫
Abstract: 本发明提供了一种基于深度学习的CTA全自动侧枝循环评分方法及系统,涉及医学图像处理技术领域,该方法包括:步骤S1:对大脑CTA图像进行掩模和归一化的预处理;步骤S2:对CTA图像进行脑区划分,获取相关解剖图谱以及功能图谱,获取加权大脑各脑区掩模图;步骤S3:对掩模与归一化后的CTA图像进行血管分割;步骤S4:基于血管分割结果量化计算评分特征;步骤S5:基于卷积神经网络测量血管壁厚度的评分特征;步骤S6:构建多标签评分分类模型,对计算得到的特征向量进行分类评分。本发明能够实现基于血流代偿途径的侧枝循环血管分级机制,并提高小血管的分割精度,还能使得评分策略具有更广泛(56)对比文件刘国玮.基于深度学习的脑部CTA图像血管分割方法研究《.中国优秀硕士学位论文全文数据库(信息科技辑)》.2020,(第03期),全文.Rahil Shahzad et.al.Fully automateddetection and segmentation ofintracranial aneurysms in subarachnoidhemorrhage on CTA using deep learning.《nature》.2020,全文.吴秋雯等.基于深度学习的计算机体层摄影血管造影颈动脉斑块分割初步研究《.上海医学》.2020,第43卷(第05期),280-283.
-
公开(公告)号:CN116333330A
公开(公告)日:2023-06-27
申请号:CN202310277896.7
申请日:2023-03-21
Applicant: 复旦大学
Abstract: 本发明涉及一种铁基纳米颗粒及其凝胶热法制备方法和在磁共振造影成像中的应用。该纳米颗粒为原材料含有6‑链接的三核金属簇和有机羧酸配体的纳米颗粒。制备方法包括以下步骤:将有机羧酸配体和金属铁盐分别配制成溶液后,再进行混合,得到基于金属铁盐与有机羧酸配体的配位聚合物凝胶;将聚合物凝胶经陈化后,加热转晶,即得铁基纳米颗粒。铁基纳米颗粒在磁共振造影成像中应用,在0.5T,室温至37℃范围内,r1弛豫率在2‑10mg·mL‑1·s‑1范围,r2弛豫率在3‑30mg·mL‑1·s‑1范围,满足T1造影剂或T1‑T2双模造影剂的要求。与现有技术相比,本发明提供的铁基纳米颗粒,可以作为T1造影剂或者作为T1‑T2双模造影剂应用于磁共振成像造影。
-
-
公开(公告)号:CN113223699A
公开(公告)日:2021-08-06
申请号:CN202110355578.9
申请日:2021-04-01
Applicant: 复旦大学附属华山医院
IPC: G16H50/20 , G16H30/20 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/11 , G06T7/73 , A61B34/10
Abstract: 本发明提供了一种构建腰椎骨量减少和骨质疏松筛查模型的方法和系统,包括:步骤1:从双平面成像设备中采集影像数据,获取冠、矢状面影像数据及体检信息并进行预处理;步骤2:对冠、矢状面影像进行椎体分割,得到分割结果;步骤3:根据分割结果和体检信息,构成特征集合;步骤4:基于特征集合进行腰椎骨量减少和骨质疏松筛查模型构建。本发明利用常规体检指标及冠、矢状面影像信息,进行腰椎骨量减少和骨质疏松疾病的筛查,在降低辐射量的同时,为今后快速准确地筛查具有高OP疾病风险的人群提供了理论和实践依据,具有很大的实际应用价值。
-
公开(公告)号:CN111815766A
公开(公告)日:2020-10-23
申请号:CN202010738507.2
申请日:2020-07-28
Applicant: 复旦大学附属华山医院
Abstract: 本发明公开了一种基于2D-DSA图像重建血管三维模型处理方法,其包括以下步骤:步骤S1:采集基于正位和侧位两个角度的2D-DSA图像,基于所采集的2D-DSA图像构建稀疏血管点云;步骤S2:基于构建的稀疏血管点云预处理获得点云片和标准结果,将获得的点云片和标准结果以及已知的颅内血管数据集作为训练集输入PU-GCN深度学习网络对其进行训练,获得训练好的PU-GCN深度学习网络;步骤S3:将待重建2D-DSA图像基于步骤S1获得待重建稀疏点云,将待重建稀疏点云输入训练好的PU-GCN深度学习网络中输出得到待重建稠密点云,基于待重建稠密点云获得血管三维模型。此外,本发明还公开了一种处理系统。
-
公开(公告)号:CN111612762A
公开(公告)日:2020-09-01
申请号:CN202010430630.8
申请日:2020-05-20
Applicant: 复旦大学附属华山医院
Abstract: 本发明提供了一种MRI脑肿瘤图像生成方法及系统,包括:步骤1:构建图像融合对抗生成的GAN网络;步骤2:构建重建图像内容的泊松方程插入算法;步骤3:根据所述图像融合对抗生成的GAN网络和重建图像内容的泊松方程插入算法对输入的3D核磁共振图像进行图像融合生成,将基于GAN网络的MRI图像生成、基于泊松方程编辑MRI融合效果叠加得到最终的图像扩增结果。本发明进行现有样本的数据扩增,增强训练模型的精度和泛化性,为脑肿瘤的诊断、治疗和医生模拟读片训练提供准确的依据。
-
公开(公告)号:CN110197715A
公开(公告)日:2019-09-03
申请号:CN201910416151.8
申请日:2019-05-19
Applicant: 复旦大学附属华山医院
IPC: G16H30/40 , G16H50/70 , G06F16/904
Abstract: 本发明属于医学图像处理技术领域,具体为一种读片教学用医学影像浏览系统。本发明包括:数据库、业务服务器、前端软件三个部分;数据库用于存储医学影像文件数据、典型影像学表现患者信息数据等;业务服务器为负责与数据库、与前端软件通讯的中间件,与数据库具有增删改查的通讯,与前端软件具有双向通讯;业务服务器通过调用大数据分析模块与影像分析模块,进行增量数据的分析等;前端软件为系统与用户进行交互的软件,具有数据库信息显示、影像数据浏览、数据标记与标注等功能。本发明系统可避免重复标注,降低标注的错误率;能够从众多标注中筛选正确率最高的标注,将用户的临床经验更好地转换为信息;并能为临床诊疗标准的建立提供依据。
-
公开(公告)号:CN112365980B
公开(公告)日:2024-03-01
申请号:CN202011279154.0
申请日:2020-11-16
Applicant: 复旦大学附属华山医院
IPC: G16H50/30 , G06T7/00 , G06T7/11 , G06T7/45 , G06T7/62 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0442
Abstract: 视化任务;本发明具有更好的临床实用性。本发明提供了一种脑肿瘤多靶点辅助诊断与前瞻性治疗演化可视化方法及系统,包括:获取治疗前、后配对的脑肿瘤多靶点多模态MRI数据并进行预处理;对预处理后治疗前、后配对的脑肿瘤多靶点多模态MRI数据通过3DU‑net卷积神经网络进行肿瘤区域分割得到 和将 和 通过影像组学方法获得生长特征标签L={l1,l2,l3,...,ln};将 和通过多通道卷积神经网络进行特征提取再进行SE融合操作,得到深度学习特征 和将 输入预测模型,得到脑肿瘤多靶点生长预测标签 将 和输入训练后的前瞻性治疗可视化(56)对比文件CN 111445946 A,2020.07.24CN 111584073 A,2020.08.25CN 111599464 A,2020.08.28EP 3576020 A1,2019.12.04KR 20200114228 A,2020.10.07US 2017357844 A1,2017.12.14US 2020160997 A1,2020.05.21WO 2020028382 A1,2020.02.06WO 2020190821 A1,2020.09.24王锦程;郁芸;杨坤;胡新华.基于BP神经网络的脑肿瘤MRI图像分割.生物医学工程研究.2016,(第04期),Liu,X.BTSC-TNAS: A neuralarchitecture search-based transformer forbrain tumor segmentation andclassification.COMPUTERIZED MEDICALIMAGING AND GRAPHICS.2023,110.王锦程;郁芸;杨坤;胡新华.基于BP神经网络的脑肿瘤MRI图像分割.生物医学工程研究.2016,(第04期),76-79.
-
公开(公告)号:CN114181233B
公开(公告)日:2023-10-31
申请号:CN202111403938.4
申请日:2021-11-24
Applicant: 复旦大学
Abstract: 本发明涉及一种基于羧酸吡啶‑三乙酸‑四氮杂环十二烷配体的钆基T1磁共振造影剂FD‑Gd‑123,分子结构通式含有一个羧酸吡啶‑三乙酸‑四氮杂环十二烷配体(DO3A‑PA),一个九配位的三价钆(Gd)离子和n个配位水分子,DO3A‑PA是羧酸吡啶的2号位通过X基团与1,4,7‑三乙酸‑1,4,7,10‑四氮杂环十二烷(DO3A)通过共价键相连的大环配体。本发明造影剂FD‑Gd‑123在结构设计上不仅兼具大环非离子型造影剂Gd‑DO3A和大环高稳定型造影剂Gd‑DOTA的优点,且T1加权成磁共振成像数值明显高于临床使用的Gd‑DOTA(3.6mM‑1s‑1)。
-
公开(公告)号:CN115619794A
公开(公告)日:2023-01-17
申请号:CN202210513459.6
申请日:2022-05-11
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
Abstract: 本发明提供了一种基于神经网络的原发性肝细胞癌病灶分割系统及方法,包括:模块M1:获取肝脏多期相CT数据并进行预处理,得到预处理后的肝脏多期相CT数据;模块M2:将预处理后的肝脏多期相CT数据通过第一个预训练的多通道卷积神经网络进行肝脏分割,得到肝脏区域的多期相CT数据;模块M3:将肝脏区域的多期相CT数据通过第二个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶筛查,获得含有原发性肝细胞癌病灶的多期相CT数据;模块M4:将含有原发性肝细胞癌病灶的多期相CT数据通过第三个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶分割,得到原发性肝细胞癌病灶多期相分割结果。
-
-
-
-
-
-
-
-
-