-
公开(公告)号：CN113010722A
公开(公告)日：2021-06-22
申请号：CN202110415366.5
申请日：2021-04-18
Applicant: 南通大学
IPC: G06F16/583 , G06F16/58 , G06F16/53 , G06F16/538 , G06F16/903 , G06F16/9038 , G16H30/20 , G16H10/60 , G06T7/00
Abstract: 融合眼底图像的慢病临床研究队列查询系统及方法：输入模块供输入患者基本信息和眼底图像；语义特征提取模块对眼底图像自动识别和提取以提取出含有血管、病灶和眼底结构的目标眼底图像，从目标眼底图像中提取出图像特征数据；筛选模块对图像特征数据进行重要性排序，筛选出排名前N的图像特征数据；分析模块对目标眼底图像进行分析，分析出目标病灶位置和目标病灶测量特征；注释模块供注释成像时间点、目标病灶解剖位置和测量等信息；SR数据库存储患者基本信息和眼底图像信息；关联模块将同一患者的SR数据库中眼底图像信息与电子病历数据库中电子病历信息关联；查询模块基于查询请求查询关联的SR数据库和电子病历数据库并输出查询结果。
-
公开(公告)号：CN108618749B
公开(公告)日：2020-06-19
申请号：CN201710174625.3
申请日：2017-03-22
Applicant: 南通大学
Abstract: 本发明属于医学图像处理及应用领域，提供了一种基于便携式数字化眼底照相机的视网膜血管三维重建方法。本发明首先使用便携式数字化眼底图像，利用照相机位移拍摄两幅眼底图像，要求两幅图像都包含视网膜视神经盘结构，并产生一定的偏移量；然后对视网膜血管进行分割并进行特征点的提取，并用本发明的基于视网膜血管解剖层次特征点匹配与三维血管重建模型对视网膜血管进行三维重建。本发明的方法能够对现有的基于二维的眼底血管观察和分析提供一种新的补充。
-
公开(公告)号：CN110720946A
公开(公告)日：2020-01-24
申请号：CN201910966906.1
申请日：2019-10-12
Applicant: 南通大学
Abstract: 本发明公开了一种基于深度学习的智能听诊系统，包括用户端智能设备、远程数据库管理系统以及远程服务器诊断系统；用户端智能设备包括心音高灵敏度传感器，用户端高灵敏度传感器采集的生理数据通过蓝牙或者WIFI与用户端手机通信；用户端手机上设有智能诊断APP，包括通信模块、用户认证模块、信号智能判断模块、深度学习诊断模块；所述的远程数据库管理系统包括认证模块、心音数据模块，心音数据模块包括标准数据模块、用户数据模块；远程服务器诊断系统服务器上部署深度学习模型，深度学习模型包括训练模块、通信信令模块。本发明可高精度地预测心音是否异常，克服了现有智能听诊器诊断费用高，等待时间长的问题。
-
公开(公告)号：CN107564048A
公开(公告)日：2018-01-09
申请号：CN201710877772.7
申请日：2017-09-25
Applicant: 南通大学
IPC: G06T7/33
Abstract: 本发明提供了一种基于分叉点特征配准方法，该方法首先获取眼底图像的绿色通道，并提取血管中心线：使用基于梯度散度的血管中心线提取技术，提取出眼底图像中的血管树；随后，使用八邻域查表法提取眼底血管树特征点，删除错误的特征点后得到正确的分叉点对应的Harris角点坐标；使用改进的特征描述算法，对得到的分叉点进行特征提取，得到对应的分叉角度与血管长度，形成特征向量；最终使用向量之间的欧氏距离得出最终用于匹配的特征点对，使用随机抽样一致算法得出参照图像对于原图的变换矩阵，并对配准后的结果图像进行基础修改，得到配准精确的眼底图像，本发明提出的配准方法在公开的FIRE眼底配准数据库中取得了较好的效果。
-
公开(公告)号：CN106504239A
公开(公告)日：2017-03-15
申请号：CN201610934000.8
申请日：2016-10-25
Applicant: 南通大学
CPC classification number: G06T7/0012 , G06T2207/10132 , G06T2207/30056
Abstract: 本发明提供了一种提取超声图像中肝脏区域的方法，其特征在于：包括如下步骤：步骤1：处理图像中的光照不均匀的情况，使图像中的肝脏区域的亮度趋于一致；步骤2：利用添加了邻域相关性信息及先验形状信息的FCM_I算法减小图像中的噪声及完成图像分割；步骤3：根据FCM_I分类结果及灰度信息，获得图像的前景区域和背景区域；步骤4：根据肝脏中器官的分布和形状，获得完整肝脏区域的图像。本发明提供了一种提取超声图像中肝脏区域的方法，提高了可能出现肝脏区域前景像素的联系，并降低了该区域背景间的联系，从而使提取出比较完整的肝脏区域。
-
Patent Agency Ranking
公开(公告)号：CN105336320A
公开(公告)日：2016-02-17
申请号：CN201510632104.9
申请日：2015-09-29
Applicant: 南通大学
IPC: G10K15/08
CPC classification number: G10K15/08
Abstract: 本发明涉及数字音频处理领域，特别涉及一种弹簧混响模型。包括音频输入模块，用于接收原音频信号输入；混响声产生模块，用于将原音频信号进行混响；特殊音效产生模块，用于将原音频信号产生弹簧混响特有的循环往复的颤音效果；音频输出模块，将混响声产生模块的输出信号、特殊音效产生模块的输出信号、原音频信号叠加后经过音频输出模块输出。结构简单，易于实现且回声密度较大，不存在声染色现象，声音自然度较好，可以做为一种优秀的混响模型应用到实际中。
-
公开(公告)号：CN118350298B
公开(公告)日：2025-03-28
申请号：CN202410363150.2
申请日：2024-03-28
Applicant: 南通大学
IPC: G06F30/28 , G06T7/00 , G06T7/11 , G16H50/30 , G06F30/27 , G06F113/08 , G06F119/14
Abstract: 本申请公开了一种用于虚拟血管临床试验的动脉数字孪生体构建方法，包括以下步骤：基于部分样本CTA图像，采集血管影像信息；基于cycleGAN模型，扩增虚拟患者的CTA图像，得到第一训练集；对第一训练集中的CTA图像进行全自动血管分割，获取血管分割图像；对血管图像进行中心线提取以及网格划分，获取血管网格；设置边界条件，构建血管模型；构建全阶CFD模型，获取输入训练集；构建血管孪生降阶模型。本申请能够实现通过构建真实动态数据支撑的动脉数字孪生模型，基于少部分临床数据进行虚拟临床试验。该方法可以模拟不同的病理情况和治疗方案，预测治疗效果和并发症的发生概率，降低手术风险减少人力和时间成本。
-
公开(公告)号：CN111860246B
公开(公告)日：2024-09-06
申请号：CN202010651423.5
申请日：2020-07-08
Applicant: 南通大学
IPC: G06F18/24 , G06F18/10 , G06N3/0464
Abstract: 本发明公开了一种面向深度卷积神经网络的心音信号分类数据扩充方法，包括如下步骤：步骤(1)对原训练心音数据进行预处理操作；步骤(2)从所述预处理后的一维心音信号转化成二维的MFSC特征图；步骤(3)对所述MFSC特征图乘上掩模函数对其频域、时域随机掩盖处理；步骤(4)扩充、平衡各个类别样本的数量，得到新的训练数据集；步骤(5)将所述新的训练数据集训练深度卷积神经网络。本发明可以通过信号处理的手段对用于训练深度卷积神经网络的样本有效扩充和平衡，解决了样本量少、不均衡导致深度学习模型训练容易过拟合，分类效果不好的问题。
-
公开(公告)号：CN117409929A
公开(公告)日：2024-01-16
申请号：CN202311395553.7
申请日：2023-10-26
Applicant: 南通大学
IPC: G16H30/20 , G16H50/20 , G06V10/774 , G06F16/36
Abstract: 本发明提供一种基于知识图谱的人机结合冠状动脉血管影像报告系统，首先构建一个综合病患信息、影像表型和报告文本的知识图谱，确保实体、属性及关系的结构化知识表示。接着，利用知识图谱应用先进的Vision Transformer模型对影像进行深入分析，从而得出准确的表型标签。再者，系统通过预训练的GPT语言模型，依据表型标签和知识图谱生成精准的自然语言报告文本。在报告生成阶段，系统特别加入了人机交互模块，允许医生对报告进行精确调整。通过知识图谱、视觉模型、语言模型及人机交互的紧密协作，该系统将实现冠状动脉血管影像报告的自动化生成。此系统明显提高了报告生成的效率，显著降低了影像医生的工作负担，对医学影像辅助分析技术的发展具有积极意义。
-
公开(公告)号：CN113010722B
公开(公告)日：2023-10-03
申请号：CN202110415366.5
申请日：2021-04-18
Applicant: 南通大学
IPC: G06F16/583 , G06F16/58 , G06F16/53 , G06F16/538 , G06F16/903 , G06F16/9038 , G16H30/20 , G16H10/60 , G06T7/00
Abstract: 融合眼底图像的慢病临床研究队列查询系统及方法：输入模块供输入患者基本信息和眼底图像；语义特征提取模块对眼底图像自动识别和提取以提取出含有血管、病灶和眼底结构的目标眼底图像，从目标眼底图像中提取出图像特征数据；筛选模块对图像特征数据进行重要性排序，筛选出排名前N的图像特征数据；分析模块对目标眼底图像进行分析，分析出目标病灶位置和目标病灶测量特征；注释模块供注释成像时间点、目标病灶解剖位置和测量等信息；SR数据库存储患者基本信息和眼底图像信息；关联模块将同一患者的SR数据库中眼底图像信息与电子病历数据库中电子病历信息关联；查询模块基于查询请求查询关联的SR数据库和电子病历数据库并输出查询结果。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.018 seconds)
