-
公开(公告)号：CN115063388A
公开(公告)日：2022-09-16
申请号：CN202210772086.4
申请日：2022-06-30
申请人： 复旦大学 , 上海纵贯智能科技有限公司
摘要： 本发明提供一种肿瘤超声图像的分割方法、系统、设备及介质，方法包括：接收图像数据集；所述图像数据集包括源于多个机构的图像数据；每一图像数据包括原始肿瘤超声图像及与之对应的分割标签；从图像数据集中随机选取另一原始肿瘤超声图像，基于另一原始肿瘤超声图像对图像数据集中的每一原始肿瘤超声图像进行增强，形成原始肿瘤超声图像的增强图像数据；从增强图像数据中提取出肿瘤区域初始特征和肿瘤边缘初始特征，将肿瘤区域初始特征和肿瘤边缘初始特征交织融合，以优化所述肿瘤区域初始特征和所述肿瘤边缘初始特征。本发明通过深度学习提取图像中肿瘤等病变区域的显著特征，并输出最终的分割结果，且能很好地适用于多中心小数据集的分割任务。
-
公开(公告)号：CN109191422B
公开(公告)日：2021-04-30
申请号：CN201810745422.X
申请日：2018-07-09
申请人： 复旦大学
摘要： 本发明属于医学图像处理技术领域，具体为一种基于常规CT图像的缺血性脑卒中早期检测系统和方法。本发明首先对训练集DWI和CT图像进行预处理并将DWI图像配准到CT图像以获得CT图像中脑卒中区域；而后分别从卒中区域和正常区域抽取图像块集合来建立基于图像块分类的卒中检测模型。为提高检测精度，利用基于影像组学的方法对多尺度对称图像块对进行分类鉴别；接着，构建MAP模型对分类结果进行优化，结合图像局部相关性去除检测结果中孤立的小区域。最后，利用训练集建立的检测模型直接对测试CT图像检测。本发明不仅能够直接从视觉上难以判别的常规CT图像中检测卒中区域，且检测精度较高，可用于临床中缺血性脑卒的早期检测。
-
公开(公告)号：CN107016395B
公开(公告)日：2021-02-26
申请号：CN201710162702.3
申请日：2017-03-18
申请人： 复旦大学
摘要： 本发明属于计算机辅助诊断技术领域，具体为一种基于稀疏表示体系的原发性脑部淋巴瘤和胶质母细胞瘤鉴别方法。本发明首先利用基于卷积神经网络的图像分割方法分割T1增强和T2加权MRI图像肿瘤区域；然后设计字典学习和稀疏表示方法提取肿瘤区域纹理特征。为减少特征冗余性和提高肿瘤鉴别效率，采用迭代稀疏表示特征选择方法，选择少数高稳定性高分辨力的特征用于肿瘤鉴别；最后，基于特征态融合的思想，建立同时包含T1增强或T2加权两个模态的联合稀疏表示分类模型提高肿瘤鉴别精度。本发明方法不仅能够获得较高的肿瘤鉴别精度，且无需人工操作提取鉴别参数，具有较强的鲁棒性，可用于原发性脑部淋巴瘤和胶质母细胞瘤的临床鉴别。
-
公开(公告)号：CN106683081B
公开(公告)日：2020-10-30
申请号：CN201611171958.2
申请日：2016-12-17
申请人： 复旦大学
摘要： 本发明属于计算机辅助诊断技术领域，具体为一种基于影像组学的脑胶质瘤分子标记物无损预测方法和预测系统。本发明首先采用基于卷积神经网络的三维磁共振图像自动分割方法；对分割得到的肿瘤配准到标准脑图集，获取肿瘤分布的116个位置特征；通过计算得到分割肿瘤的21个灰度特征，15个形状特征，39个纹理特征；并对灰度特征和纹理特征进行三维小波分解得到8个子带的480个小波特征；最终从每个病例的三维T2‑Flair磁共振图像中获取671个高通量特征；采用p值筛选、遗传算法结合的特征筛选策略获得与IDH1高度相关的110个特征；采用支持向量机和AdaBoost分类器得到对IDH1预测精度为80%的分类。本发明作为影像组学新方法，为胶质瘤的临床诊断提供重要分子标记物的无损预测方案。
-
公开(公告)号：CN110163828A
公开(公告)日：2019-08-23
申请号：CN201910618211.4
申请日：2019-07-10
申请人： 复旦大学
摘要： 一种基于超声射频信号的乳腺钙化点图像优化系统及方法，包括：预处理模块、钙化点处理模块和增强显示模块，其中：预处理模块与数据来源相连并传输原始射频信号信息，钙化点处理模块与预处理相连并传输单通道射频信号信息，增强显示模块与输出端相连并传输增强显示图片信息。本发明基于乳腺射频信号的特点设计深度学习网络，高效率检测钙化点，进行增强显示。
-
公开(公告)号：CN109965905A
公开(公告)日：2019-07-05
申请号：CN201910289375.7
申请日：2019-04-11
申请人： 复旦大学
IPC分类号： A61B8/00
摘要： 本发明提出一种基于深度学习的造影区域检测成像方法。S1、随机选取的若干个原始超声RF图像，将其每一扫描线上的信号分段，得到若干等长的一维RF信号段；S2、用RF信号段训练、测试卷积神经网络；S3、将实测物体每一扫描线的RF信号分为等长的一维实测RF信号段，并输入所训练好的卷积神经网络；S4、将标签为组织信号的一维实测RF信号段中部的P个成像点置为0；S5、重组一维实测RF信号段得到预成像；S6、采用微泡母小波变换提高预成像中微泡图像亮度；S7、采用特征空间最小方差算法提高图像对比度。本发明将深度学习的理念应用到超声RF信号的分类中，能更有效地滤除组织干扰，进一步提升了医学临床诊断的准确性。
-
公开(公告)号：CN103164621B
公开(公告)日：2018-10-16
申请号：CN201310082465.1
申请日：2013-03-15
申请人： 复旦大学
IPC分类号： G06F17/14
摘要： 本发明属于信号处理、电路分析技术领域，具体为一种适用于多个高阶极点的系统函数的部分分式分解方法。本发明根据从简至繁的原则，对于一般的系统函数，先对其分子为常数的部分进行分解；然后利用递推关系式，对该系统函数部分分式表达式。本发明避免了微分运算，多项式的除法和方程组的求解运算，只需简单的代数运算就可对一般的函数进行分解，便于计算机实现及手算，可有效对含有多个高阶极点的系统方程进行部分分式分解。
-
公开(公告)号：CN104637056B
公开(公告)日：2018-02-23
申请号：CN201510052403.5
申请日：2015-02-02
申请人： 复旦大学
IPC分类号： G06T7/149
摘要： 本发明属于图像处理技术领域，具体为基于稀疏表示的医学CT图像中肾上腺肿瘤的分割方法。本发明使用训练所得对边界敏感的过完备字典，将二维CT图像的感兴趣区域分解成图像子块并作稀疏表示；对于图像同质区与非同质区两者稀疏分解的第一个系数的绝对值差异明显，选取合适阈值区分该系数，得到对应的图像边界子块，并获得一个二值图像；利用区域生长法在此二值图像上生长出肿瘤的粗糙轮廓，将其作为水平集分割方法的初始轮廓，通过多次迭代，获取肿瘤最终边界。本发明可以大大提高图像中肾上腺肿瘤图像分割的自动化程度，同时降低了水平集分割方法对初始轮廓的依赖程度，使得分割结果更加准确。
-
公开(公告)号：CN106683081A
公开(公告)日：2017-05-17
申请号：CN201611171958.2
申请日：2016-12-17
申请人： 复旦大学
摘要： 本发明属于计算机辅助诊断技术领域，具体为一种基于影像组学的脑胶质瘤分子标记物无损预测方法和预测系统。本发明首先采用基于卷积神经网络的三维磁共振图像自动分割方法；对分割得到的肿瘤配准到标准脑图集，获取肿瘤分布的116个位置特征；通过计算得到分割肿瘤的21个灰度特征，15个形状特征，39个纹理特征；并对灰度特征和纹理特征进行三维小波分解得到8个子带的480个小波特征；最终从每个病例的三维T2‑Flair磁共振图像中获取671个高通量特征；采用p值筛选、遗传算法结合的特征筛选策略获得与IDH1高度相关的110个特征；采用支持向量机和AdaBoost分类器得到对IDH1预测精度为80%的分类。本发明作为影像组学新方法，为胶质瘤的临床诊断提供重要分子标记物的无损预测方案。
-
公开(公告)号：CN105609400A
公开(公告)日：2016-05-25
申请号：CN201610045742.5
申请日：2016-01-22
申请人： 复旦大学
摘要： 本发明属于质谱分析测试技术领域，具体为含有高阶场成分的离子阱质谱系统。该离子阱质谱系统由四个圆弧截面结构的线形杆状电极组成，通过调节圆弧电极的圆弧半径的大小比例关系，使四极电极系统可以产生以四极场A2为主，并含有部分八极场A4、十二极场A6、十六极场A8、二十极场A10等高阶场成分。当四极离子阱质谱系统引入适当的高阶场成分后，可以有效提高离子阱的质量分辨率、离子质谱信号强度及串级质谱分析效率，同时可以有效改善离子阱的低质量数截止值，解决传统离子阱质谱仪在串级质谱过程中低质量数检测的主要难点。本发明给出的含有高阶场成分的离子阱质谱系统具有结构简单，加工容易，性能独特等优点。
-
-
-
-
-
-
-
-
-
搜索结果
106 条记录 (耗时 0.039 秒)
