-
公开(公告)号:CN113570569B
公开(公告)日:2024-04-16
申请号:CN202110845336.8
申请日:2021-07-26
Applicant: 东北大学 , 中国医科大学附属第一医院
Abstract: 本发明提供一种基于深度学习的心脏室间隔抖动自动检测系统,涉及计算机视觉技术领域。该系统首先获取多个带SF标签的超声心动图作为样本数据集;然后初始化用于室间隔抖动检测的深度神经网络模型,并使用样本数据集预训练深度神经网络模型,得到预训练深度神经网络模型;用于室间隔抖动检测的深度神经网络模型包括左心室分割网络U‑Net和基于编解码器的SF诊断网络;最后加载预训练深度神经网络模型的模型参数和配置文件,分割待评估的超声心动图中的左心室,输出室间隔抖动判断结果。本发明的检测系统使用深度学习的方法自动分割左心室,并根据分割结果实现了SF的自动诊断,减少了临床诊断的时间,避免了医生主观经验造成的结果差异。
-
公开(公告)号:CN114557721A
公开(公告)日:2022-05-31
申请号:CN202210195823.9
申请日:2022-03-01
Applicant: 中国医科大学附属第一医院 , 东北大学
IPC: A61B8/00
Abstract: 本发明涉及一种导航方法,尤其涉及一种基于超声标准化切面对照的导航方法。通过该导航系统,为基层医院医生提供超声扫查培训,减小由于医疗资源分布不均造成的医疗水平差异,提升基层医院水平。自适应生成符合患者特征的对照模板,并以此作为超声实时扫查中的参照,通过导航系统对当前切面与对照模板的相似性度量,指导用户快速准确定位目标标准化切面。
-
公开(公告)号:CN113592802B
公开(公告)日:2024-02-02
申请号:CN202110845333.4
申请日:2021-07-26
Applicant: 东北大学 , 中国医科大学附属第一医院
IPC: G06T7/00 , G06T7/10 , G06T7/73 , G06N3/0464 , G06N3/048
Abstract: 本发明提供一种基于超声图像的二尖瓣环位移自动检测系统,涉及计算机视觉技术领域。该系统首先获取多个带有左心室掩模或二尖瓣环位点坐标标签的超声心动图作为样本数据集;然后初始化用于左心室分割和二尖瓣检测的深度神经网络模型,并使用样本数据集预训练深度神经网络模型,得到预训练模型;加载预训练模型的模型参数和配置文件,分割待评估的超声心动图中的左心室内膜,确定二尖瓣环室间隔位点和左心室侧壁位点坐标以及左心室心尖位点坐标;计算二尖瓣环室间隔位点位移、左心室侧壁位点位移和收缩初期到收缩末期二尖瓣环相对于心尖的位移变化量,并在待评估的超声心动图像上输出MAD指标,完成对超声心动图像二尖瓣
-
公开(公告)号:CN113570569A
公开(公告)日:2021-10-29
申请号:CN202110845336.8
申请日:2021-07-26
Applicant: 东北大学 , 中国医科大学附属第一医院
Abstract: 本发明提供一种基于超声图像的室间隔抖动自动检测系统,涉及计算机视觉技术领域。该系统首先获取多个带SF标签的超声心动图作为样本数据集;然后初始化用于室间隔抖动检测的深度神经网络模型,并使用样本数据集预训练深度神经网络模型,得到预训练深度神经网络模型;用于室间隔抖动检测的深度神经网络模型包括左心室分割网络U‑Net和基于编解码器的SF诊断网络;最后加载预训练深度神经网络模型的模型参数和配置文件,分割待评估的超声心动图中的左心室,输出室间隔抖动判断结果。本发明的检测系统使用深度学习的方法自动分割左心室,并根据分割结果实现了SF的自动诊断,减少了临床诊断的时间,避免了医生主观经验造成的结果差异。
-
公开(公告)号:CN113592802A
公开(公告)日:2021-11-02
申请号:CN202110845333.4
申请日:2021-07-26
Applicant: 东北大学 , 中国医科大学附属第一医院
Abstract: 本发明提供一种基于超声图像的二尖瓣环位移自动检测系统,涉及计算机视觉技术领域。该系统首先获取多个带有左心室掩模或二尖瓣环位点坐标标签的超声心动图作为样本数据集;然后初始化用于左心室分割和二尖瓣检测的深度神经网络模型,并使用样本数据集预训练深度神经网络模型,得到预训练模型;加载预训练模型的模型参数和配置文件,分割待评估的超声心动图中的左心室内膜,确定二尖瓣环室间隔位点和左心室侧壁位点坐标以及左心室心尖位点坐标;计算二尖瓣环室间隔位点位移、左心室侧壁位点位移和收缩初期到收缩末期二尖瓣环相对于心尖的位移变化量,并在待评估的超声心动图像上输出MAD指标,完成对超声心动图像二尖瓣环位移的自动检测。
-
公开(公告)号:CN113744279B
公开(公告)日:2023-11-14
申请号:CN202110642409.3
申请日:2021-06-09
Applicant: 东北大学
IPC: G06T7/11 , G06T7/136 , G06V10/82 , G06N3/0464 , G06V10/80 , G06N3/0455 , G06V10/77 , G06V10/52 , G06V10/44
Abstract: 本发明公开了一种基于FAF‑Net网络的图像分割方法,涉及图像分割技术领域。该方法包括:输入待分割图像;图像经过编码阶段得到特征图M1~M5,同时将PPM模块加入U‑Net网络的编码阶段,并将M5经过PPM模块得到MP;将FAF模块引入解码阶段,替换U‑Net中每次跳跃连接后的拼接操作,然后将MP经过解码阶段进行特征还原得到Y,根据Y得到图像的分割结果。PPM模块的加入,解决了U‑Net网络中缺少处理图像多尺度问题模块的这一问题;FAF模块解决了U‑Net网络中每次跳跃连接之后的拼接操作中的两个主体特征语义相差较大的问题,提升了网络对于CT图像中病灶分割的准确率。
-
公开(公告)号:CN113298826B
公开(公告)日:2023-11-14
申请号:CN202110642528.9
申请日:2021-06-09
Applicant: 东北大学
IPC: G06F30/27
Abstract: 本发明公开了一种基于LA‑Net网络的图像分割方法,涉及图像分割技术领域。该方法包括:输入待分割图像X;图像X经过编码阶段得到特征图M1~M5,同时将SE注意力模块加入U‑Net网络的编码阶段,并将M5经过SE注意力模块得到MS;在解码阶段加入LA注意力模块并结合特征图M1~M5,将MS经过解码阶段进行特征还原得到Y,根据Y得到图像分割结果。SE注意力模块对特征图各通道间的依赖关系进行建模,可使特征图自适应地调整各通道之间的关系;LA模块给予非病灶区域中的点大于1的系数值,而非病灶区域中的点的标签值为0,非病灶区域中的点可以获得更大损失值,从而抑制非病灶区域预测值,给病灶区域更多关注,提升了网络对于CT图像中病灶分割的准确率。
-
公开(公告)号:CN111047593B
公开(公告)日:2023-06-02
申请号:CN201911030548.X
申请日:2019-10-28
Applicant: 东北大学
IPC: G06T7/10 , G06V10/762
Abstract: 本发明提供一种基于距离自适应聚类的图像分割方法,涉及图像处理、机器学习技术领域。本发明步骤如下:步骤1:获取图像Q并得到该图像的灰度值,形成待聚类数据集合I;步骤2:根据距离自适应的聚类方法,对图像Q进行分割处理,得到图像Q′。该方法能够得到的精确聚类结果,使得对图像的分割更加精确。
-
公开(公告)号:CN107045721B
公开(公告)日:2023-01-31
申请号:CN201610924061.6
申请日:2016-10-24
Applicant: 东北大学
Abstract: 本申请公开了一种从胸部CT图像中提取肺血管的方法及装置,所述方法包括:接收输入的n层胸部CT图像,获取指定图像层进行灰度映射,获得预设分割阈值;在所述指定图像层上选取肺部区域的指定像素点获得初始种子点,根据所述预设分割阈值及初始种子点进行3D区域增长,获得不带血管的肺组织区域;在所述的肺组织区域进行形态学运算,获得带血管的封闭肺组织区域,计算血管阈值;在所述带血管的封闭肺组织区域查找大于血管阈值的像素点为初始标记点,获得初始扩散面;根据所述初始扩散面和血管阈值,在所述带血管的封闭肺组织区域内进行面扩散,获得肺血管。应用本发明能准确的从胸部CT图像中提取出肺血管,辅助医生准确诊断肺血管疾病。
-
公开(公告)号:CN113298827A
公开(公告)日:2021-08-24
申请号:CN202110642538.2
申请日:2021-06-09
Applicant: 东北大学
Abstract: 本发明公开了一种基于DP‑Net网络的图像分割方法,涉及图像分割技术领域。该方法包括:输入待分割图像;图像经过编码阶段得到特征图M1~M5,同时将PPM模块加入U‑Net网络的编码阶段,并将M5经过PPM模块得到MP;引入DP模块,将Mi输入第i个DP模块,得到特征图Di,其中i为特征图索引,i=1,2,3,4;结合特征图Di,将MP经过解码阶段进行特征还原得到Y,根据Y得到图像的分割结果。PPM模块和DP模块的加入,解决了U‑Net网络中缺少处理图像多尺度问题模块的这一问题以及U‑Net网络中每次跳跃连接之后的拼接操作中的两个主体特征语义相差较大的问题,进而提升了U‑Net网络对于CT图像中病灶分割的准确率。
-
-
-
-
-
-
-
-
-