-
公开(公告)号：CN115083594B
公开(公告)日：2025-05-06
申请号：CN202210548953.6
申请日：2022-05-20
Applicant: 东北大学 , 中国医科大学附属盛京医院
IPC: G16H50/20 , G16H50/30 , G06N3/0464 , G06N3/045
Abstract: 本发明提供一种基于卷积神经网络的ACS预测方法，涉及人工智能计算机技术领域；该方法首先在CCTA数据上采集冠脉三个主要分支的节段数据，包括开口处节段数据和病变处节段数据，并按照是否发生ACS事件分成两类，并组建训练数据集和验证数据集；然后构建用于ACS分类的CNN网络模型，使用训练数据集对模型进行训练，获得模型参数；最后把训练得到的模型参数加载到构建好的ACS分类的CNN网络模型中，再采用验证数据集对其进行验证，以选取最优的ACS分类的CNN网络模型，从而准确的预测未来ACS事件的发生，能够辅助临床工作者更加准确地，客观地预测未来ACS事件。
-
公开(公告)号：CN117934412A
公开(公告)日：2024-04-26
申请号：CN202410096788.4
申请日：2024-01-24
Applicant: 东北大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/33 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明设计一种基于交叉注意力可变形配准的CT图像ASPECTS自动分区方法，属于医学影像处理技术领域；首先获取原始CT图像，并对其进行预处理，基于此构建数据集；利用构建的数据集训练分区网络，得到从浮动图像到固定图像的形变场；所述分区网络包含编码器、解码器、交叉注意力模块CA，Cross Attention以及跳跃连接四个部分；最后将浮动图像的关键分区标签通过形变场采用Nearest插值算法进行空间形变得到匹配患者的ASPECTS的关键分区；本发明相较于以往的配准方法对ASPECTS关键分区的划分具有更高的准确率，达到了应用的要求。
-
公开(公告)号：CN117911702A
公开(公告)日：2024-04-19
申请号：CN202410109965.8
申请日：2024-01-26
Applicant: 东北大学
IPC: G06V10/26 , G06V10/22 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06T17/00
Abstract: 本发明设计基于结构保留无监督域自适应的CTA影像颅内血管分割方法，属于医学影像分割技术领域；首先收集脑部三维MRA影像与三维CTA影像，对MRA影像中的血管区域位置进行标注，对MRA影像与CTA影像进行切片处理，得到脑部影像初始样本集；其次对脑部影像初始数据集进行预处理；对预处理后的脑部影像初始样本集进行划分，划分为训练样本集与验证样本集；然后构建和训练图像风格转换模型、判别模型、结构信息提取模块、感知损失模型和分割模型；最后将预处理后的切片输入分割模型并得到分割结果，将所有切片按照原本的位置关系合并为三维数据，得到对颅内血管区域的最终分割结果；本发明拥有较高的计算效率，且处理过程不需要人工交互，达到应用要求。
-
公开(公告)号：CN113838036B
公开(公告)日：2023-10-13
申请号：CN202111141792.0
申请日：2021-09-28
Applicant: 东北大学 , 中国医科大学附属第一医院
Abstract: 本发明公开了一种基于局部聚类和滤波的冠脉分割方法，涉及医学图像处理技术领域。该方法包括在冠脉CTA图像上提取冠脉种子点的感兴趣区域；在感兴趣区域中获得疑似种子点集合；对疑似种子点集合进行滤波，筛掉假种子点获得有效种子点集合；针对有效种子点集合中的种子点逐点进行区域生长，直至所有的种子点生长完毕为止。在每个种子点的生长过程中，采用对称放射滤波器来筛选血管区域，解决了心脏CTA图像中噪声、伪影和非冠脉组织等不相关区域对冠脉分割的干扰的问题；采用基于距离聚类分割方法，解决了心脏CTA图像中造影剂不均衡，冠脉错层，伪影模糊等问题，从而快速、稳定、高效地进行心脏CTA图像的冠脉分割。
-
公开(公告)号：CN115083594A
公开(公告)日：2022-09-20
申请号：CN202210548953.6
申请日：2022-05-20
Applicant: 东北大学 , 中国医科大学附属盛京医院
Abstract: 本发明提供一种基于卷积神经网络的ACS预测方法，涉及人工智能计算机技术领域；该方法首先在CCTA数据上采集冠脉三个主要分支的节段数据，包括开口处节段数据和病变处节段数据，并按照是否发生ACS事件分成两类，并组建训练数据集和验证数据集；然后构建用于ACS分类的CNN网络模型，使用训练数据集对模型进行训练，获得模型参数；最后把训练得到的模型参数加载到构建好的ACS分类的CNN网络模型中，再采用验证数据集对其进行验证，以选取最优的ACS分类的CNN网络模型，从而准确的预测未来ACS事件的发生，能够辅助临床工作者更加准确地，客观地预测未来ACS事件。
-
Patent Agency Ranking
公开(公告)号：CN114913135A
公开(公告)日：2022-08-16
申请号：CN202210444494.7
申请日：2022-04-26
Applicant: 东北大学
IPC: G06T7/00 , G06T7/143 , G06T7/11 , G06T17/00 , G06T7/155 , G06V10/774 , G16H30/20 , G16H30/40 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于级联VNet‑S网络和三维条件随机场的肝脏分割系统，涉及图像处理技术领域。该系统包括级联VNet‑S网络和三维条件随机场；级联VNet‑S网络得到肝脏CT图像前景像素点的概率，并将前景像素点的概率作为先验概率使用三维条件随机场分割肝脏；三维条件随机场通过空间上下文信息，反映观测变量之间的依赖关系，剔除误分割区域和细化分割，实现对肝脏分割边界的优化，进而实现对CT图像中肝脏的分割；该系统能够较为准确地分割肝脏，运算速度满足实际需求，且处理过程全自动，减少了医生的工作量，能够较好地满足应用需求。
-
公开(公告)号：CN113974667A
公开(公告)日：2022-01-28
申请号：CN202111287231.1
申请日：2021-11-02
Applicant: 东北大学 , 中国医科大学附属第一医院
IPC: A61B6/03
Abstract: 本发明公开了一种TAVI术前关键目标的自动定位装置及方法，涉及医学图像处理技术领域。装置包括：获取心脏CTA数据的数据采集模块；从心脏CTA数据中提取进行关键目标定位所需数据的数据提取模块；定位出TAVI术前所需的关键目标并输出定位结果的关键目标定位模块。方法包括：获取心脏CTA数据；分割主动脉和冠脉；定位左右冠脉开口位置以及确定主动脉中心线；对中心线上的点进行采样获得中心线上分别以各采样点为中心带有分割结果的横截面，各横截面的法线对应采样点的切线；从带有分割结果的各主动脉横截面上确定主动脉的分割平面，获得一系列主动脉平面；从主动脉平面中定位主动脉窦管连接处平面、主动脉瓣环平面、升主动脉平面和主动脉窦环平面。
-
公开(公告)号：CN113838036A
公开(公告)日：2021-12-24
申请号：CN202111141792.0
申请日：2021-09-28
Applicant: 东北大学 , 中国医科大学附属第一医院
Abstract: 本发明公开了一种基于局部聚类和滤波的冠脉分割方法，涉及医学图像处理技术领域。该方法包括在冠脉CTA图像上提取冠脉种子点的感兴趣区域；在感兴趣区域中获得疑似种子点集合；对疑似种子点集合进行滤波，筛掉假种子点获得有效种子点集合；针对有效种子点集合中的种子点逐点进行区域生长，直至所有的种子点生长完毕为止。在每个种子点的生长过程中，采用对称放射滤波器来筛选血管区域，解决了心脏CTA图像中噪声、伪影和非冠脉组织等不相关区域对冠脉分割的干扰的问题；采用基于距离聚类分割方法，解决了心脏CTA图像中造影剂不均衡，冠脉错层，伪影模糊等问题，从而快速、稳定、高效地进行心脏CTA图像的冠脉分割。
-
公开(公告)号：CN113974667B
公开(公告)日：2024-06-28
申请号：CN202111287231.1
申请日：2021-11-02
Applicant: 东北大学 , 中国医科大学附属第一医院
IPC: A61B6/03
Abstract: 本发明公开了一种TAVI术前关键目标的自动定位装置及方法，涉及医学图像处理技术领域。装置包括：获取心脏CTA数据的数据采集模块；从心脏CTA数据中提取进行关键目标定位所需数据的数据提取模块；定位出TAVI术前所需的关键目标并输出定位结果的关键目标定位模块。方法包括：获取心脏CTA数据；分割主动脉和冠脉；定位左右冠脉开口位置以及确定主动脉中心线；对中心线上的点进行采样获得中心线上分别以各采样点为中心带有分割结果的横截面，各横截面的法线对应采样点的切线；从带有分割结果的各主动脉横截面上确定主动脉的分割平面，获得一系列主动脉平面；从主动脉平面中定位主动脉窦管连接处平面、主动脉瓣环平面、升主动脉平面和主动脉窦环平面。
-
公开(公告)号：CN114596317A
公开(公告)日：2022-06-07
申请号：CN202210253312.8
申请日：2022-03-15
Applicant: 东北大学
Abstract: 本发明公开了一种基于深度学习的CT影像全心脏分割方法；涉及医学图像领域；在网络编码阶段中引入残差模块，增强了网络捕捉全心脏子结构特征的能力。在解码阶段引入基于注意力机制的多尺度融合模块，该模块在反卷积之后融合多尺度特征并进行特征重利用，更好的融合了低级特征和高级特征。同时将加权交叉熵损失函数和加权DICE损失函数结合解决了类失衡问题，在分割细节上起到了良好的驱动作用。本发明实现方法简单，自动将全心脏分成7个子结构，包括左心房、左心室、左心室心肌、右心房、右心室、肺动脉、升动脉，测试一个数据只需几秒钟，极大的减少了医生投入的时间和学习成本，处理过程不需要人工交互，达到了应用的要求。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.093 seconds)
