一种基于超声图像的二尖瓣环位移自动检测系统

    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

    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

    一种基于超声图像的室间隔抖动自动检测系统

    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

    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。

    一种基于超声图像的二尖瓣环位移自动检测系统

    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

    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。

    一种超声高帧率采集系统
    4.
    发明公开

    公开(公告)号:CN119700188A

    公开(公告)日:2025-03-28

    申请号:CN202411781753.0

    申请日:2024-12-05

    Abstract: 本发明提供一种超声高帧率采集系统,包括:探头,用于向目标区域发射超声波和接收目标区域返回的回波信号;线性发射模块,用于配置具体的发射条件和生成不同的超声电信号以及发射扫描控制指令发送至探头;接收硬件模块,用于对探头采集到的接收回波信号进行前端预处理;算法处理模块,用于将前端预处理后的接收回波信号进行超声数字信号处理和图像处理,生成医学超声图像。本系统实现高信噪比、高分辨率的医学超声成像,给临床医生同时提供清晰可靠的人体心脏的组织灰度、冠状动脉微血管、频谱多普勒的高质量图像。

    一种基于深度学习的心脏室间隔抖动自动检测系统

    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

    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。

    颈动脉超声测量的辅助方法及超声设备

    公开(公告)号:CN114376614B

    公开(公告)日:2024-03-12

    申请号:CN202111314070.0

    申请日:2021-11-08

    Abstract: 本发明公开了一种颈动脉超声测量的辅助方法及超声设备,其中辅助方法包括:获取颈动脉超声图像;确定颈动脉超声图像的超声成像模式和颈动脉超声图像所属的颈动脉位置;根据超声成像模式确定与超声成像模式对应的颈动脉测量项;显示与超声成像模式对应的成像模式信息和颈动脉测量项,显示与颈动脉位置对应的颈动脉位置信息,颈动脉测量项用于在被激活的情况下调用与颈动脉测量项对应的测量功能。根据颈动脉超声图像显示对应的超声成像模式、颈动脉位置和对应的颈动脉测量项,用户无需频繁手动切换到各个颈动脉测量功能所在的界面,提高用户进行颈动脉超声测量的工作效率。

    癌症风险预测模型的训练方法、癌症风险预测方法及装置

    公开(公告)号:CN118968226A

    公开(公告)日:2024-11-15

    申请号:CN202411228342.9

    申请日:2024-09-03

    Abstract: 本申请提供了一种癌症风险预测模型的训练方法、癌症风险预测方法及装置,涉及生物医学工程技术领域,包括获取样本对象的样本数据,样本数据包括第一样本影像数据、样本临床数据以及对应的癌症风险标签;对第一样本影像数据进行影像分割,得到只保留肿瘤影像区域的第二样本影像数据;采集第二样本影像数据中的部分样本切片图像,并基于部分样本切片图像提取第一影像组学特征;将部分样本切片图像、第一影像组学特征以及样本临床数据作为输入特征,将癌症风险标签作为训练标签,执行对癌症风险预测模型的迭代训练过程,直至癌症风险预测模型的交叉熵损失小于预设阈值,判断癌症风险预测模型训练完成。本申请能够提高癌症风险预测精准度。

    颈动脉超声测量的辅助方法及超声设备

    公开(公告)号:CN114376614A

    公开(公告)日:2022-04-22

    申请号:CN202111314070.0

    申请日:2021-11-08

    Abstract: 本发明公开了一种颈动脉超声测量的辅助方法及超声设备,其中辅助方法包括:获取颈动脉超声图像;确定颈动脉超声图像的超声成像模式和颈动脉超声图像所属的颈动脉位置;根据超声成像模式确定与超声成像模式对应的颈动脉测量项;显示与超声成像模式对应的成像模式信息和颈动脉测量项,显示与颈动脉位置对应的颈动脉位置信息,颈动脉测量项用于在被激活的情况下调用与颈动脉测量项对应的测量功能。根据颈动脉超声图像显示对应的超声成像模式、颈动脉位置和对应的颈动脉测量项,用户无需频繁手动切换到各个颈动脉测量功能所在的界面,提高用户进行颈动脉超声测量的工作效率。

Patent Agency Ranking