公开(公告)号：CN118197621A

公开(公告)日：2024-06-14

申请号：CN202410309858.X

申请日：2024-03-19

Applicant: 东北大学

Inventor： 杨金柱 ,  齐怡秋 ,  吴淼 ,  于琪 ,  李洪赫 ,  瞿明军 ,  覃文军 ,  曹鹏 ,  冯朝路

IPC: G16H50/30 ,  A61B5/349 ,  A61B5/364 ,  A61B5/00 ,  G16H50/70 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/048

Abstract: 本发明提供一种基于深度学习的LBBB及左心收缩功能障碍自动检测方法，涉及医学辅助检测技术领域。使用深度神经网络自动识别真性LBBB患者并进一步识别出LBBB患者中是否伴有左心室射血分数减低，计算出LVEF整数值，自动评估左心室收缩功能下降程度，实现心功能障碍的早期筛查和实时监测，为临床诊疗提供可靠的参考信息。本发明使用深度学习的方法实现了LBBB患者及其LVEF的自动检测，在多个LBBB心电图中进行测试，结果表明该方法在不同的心电图上，能够较为准确地预测LVEF值，运算速度满足实时性要求。本发明实现方法简单，运算速度快，结果准确性高，且处理过程不需要人工交互，达到了临床应用的要求。

公开(公告)号：CN115035028A

公开(公告)日：2022-09-09

申请号：CN202210479098.8

申请日：2022-05-05

Applicant: 东北大学

Inventor： 杨金柱 ,  李洪赫 ,  于琪 ,  瞿明军 ,  冯庸 ,  孙松 ,  曹鹏 ,  冯朝路 ,  覃文军

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/62 ,  G06N3/08 ,  G06N3/04 ,  A61B8/08 ,  A61B8/06

Abstract: 本发明提供一种基于超声图像的左心室射血分数自动计算方法，涉及计算机视觉技术领域。首先获取多个带有视图类别、左心室掩膜、二尖瓣环和心尖关键点标签的超声心动图作为样本数据集；然后构建用于视图分类、左心室分割和标记点检测的深度神经网络模型，并使用样本数据集训练并验证深度神经网络模型，得到最佳模型参数；将最佳模型参数加载到构建好的深度神经网络模型中，输入待评估的超声图像得到视图类别、左心室掩膜和关键点坐标；最后基于双平面Simpson’s法计算左心室射血分数。

公开(公告)号：CN118154624A

公开(公告)日：2024-06-07

申请号：CN202410412115.5

申请日：2024-04-08

Applicant: 东北大学

Inventor： 杨金柱 ,  齐怡秋 ,  徐嘉辰 ,  王鸿菲 ,  于琪 ,  张桉硕 ,  冯朝路 ,  覃文军 ,  曹鹏 ,  栗伟 ,  赵大哲

IPC: G06T7/11 ,  G06T7/136 ,  G06T7/194 ,  G06T7/62 ,  G06T7/66 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明设计一种基于置信度评估的鼻咽癌自动分割方法，属于医学影像辅助检测技术领域；首先获取MRI数据，构建MRI数据集；根据MRI数据集配置深度神经网络模型，将鼻咽癌MRI数据集划分为两种数据集类型：训练和测试数据集以及待评估数据集；如果使用的是训练和测试数据集，则初始化MRI鼻咽癌分割模型权重，训练MRI鼻咽癌分割模型；训练完成后输出并保存训练得到的模型参数，加载模型参数配置，使用MRI鼻咽癌分割模型分割待评估数据中的鼻咽癌区域；本发明实现方法简单，运算速度快，结果准确性高，置信度评估准确，基本达到了临床应用的要求。

公开(公告)号：CN116704069A

公开(公告)日：2023-09-05

申请号：CN202310791675.1

申请日：2023-06-30

Applicant: 东北大学

Inventor： 杨金柱 ,  和法伟 ,  李洪赫 ,  孙松 ,  唐凌志 ,  齐怡秋 ,  于琪 ,  覃文军 ,  曹鹏

IPC: G06T11/00 ,  A61B6/03 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于定位像的个性化CT低剂量扫描协议生成系统，涉及低剂量CT图像技术领域。该系统利用深度学习方法实现CT低剂量扫描协议生成；通过输入扫描定位像以及被允许的剂量值来确定最优的扫描参数，并利用深度学习重建模型实现在固定辐射剂量需求下最优的CT图像质量；包括获取正、侧位定位像的定位像采集模块、由操作技术人员用来设定被允许剂量值的扫描操作设定模块以及扫描协议生成计算模块。扫描协议生成计算模块根据正、侧位定位像以及低剂量标定值生成CT扫描协议；利用深度学习模型在CT扫描协议下重建高质量低剂量CT图像；根据扫描部位对CT图像重建结果进行模拟，并预测评分。该系统能够端对端的实现CT低剂量扫描协议的自动生成。

公开(公告)号：CN118053588A

公开(公告)日：2024-05-17

申请号：CN202410309859.4

申请日：2024-03-19

Applicant: 东北大学

Inventor： 杨金柱 ,  齐怡秋 ,  刘宝鑫 ,  于琪 ,  王鸿菲 ,  李洪赫 ,  瞿明军 ,  覃文军 ,  曹鹏

IPC: G16H50/30 ,  A61B5/349 ,  A61B5/364 ,  A61B5/00 ,  G06F18/241 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06F18/2415 ,  G06N3/08 ,  G16H50/70

Abstract: 本发明提供一种基于深度学习的左心室射血分数自动检测方法，涉及医学辅助检测技术领域。针对初级医疗中缺少能够自动准确使用心电图预测LVEF值方法的问题，训练了一种基于心电图的深度神经网络自动预测LVEF，解决初级医疗中缺乏LVEF值预测方法的问题，为临床诊疗提供重要参考。本发明使用深度学习模型实现左心室射血分数的自动预测，在多个心电图上进行测试，结果表明该方法在多数心电图上，能够较为准确地估算LVEF值，运算速度满足实时性要求。本发明实现方法简单，运算速度快，结果准确性高，不依赖于医生的临床经验，达到了临床应用的要求。