-
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：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：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：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：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。
-
Patent Agency Ranking
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：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：CN114596317B
公开(公告)日：2025-05-06
申请号：CN202210253312.8
申请日：2022-03-15
Applicant: 东北大学
IPC: G06T7/10 , G06T3/4007 , G06N3/08 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/80
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。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.042 seconds)
