公开(公告)号：CN118782262A

公开(公告)日：2024-10-15

申请号：CN202410920485.X

申请日：2024-07-10

Applicant: 东南大学附属中大医院 ,  北京赛迈特锐医疗科技有限公司

Inventor： 赵振 ,  彭新桂 ,  焦蕴 ,  张耀峰 ,  王祥鹏 ,  贺长征

IPC: G16H50/70 ,  G16H10/60 ,  G06F16/22 ,  G06F16/248 ,  G06F16/2455 ,  G06F16/28

Abstract: 本申请公开了一种基于科研项目标签的科研数据库复用方法及系统，方法包括：按照设定的影像科研数据的标签层级、资料类型和科研数据标签的存储形式，对科研项目数据和科研数据标签进行存储；科研项目数据包括多个与所述科研项目相关的患者数据；根据指定的搜索内容和搜索标签层级，在存储的科研项目数据中进行搜索，得到搜索结果；搜索结果包括与搜索内容相关的患者数据和科研数据标签；根据搜索结果，在科研数据标签上设置科研项目编号的后缀，形成“实体概念‑赋值‑科研项目编号”的三元组，加入科研数据库的对应标签层级中，将患者数据按照科研数据标签添加到科研数据库中。使得科研项目产生的标签能不断充实科研数据库的数据标签。

公开(公告)号：CN119446431A

公开(公告)日：2025-02-14

申请号：CN202411428461.9

申请日：2024-10-14

Applicant: 东南大学

Inventor： 王彬 ,  孔佑勇 ,  彭新桂 ,  侯师梅 ,  郑婧 ,  王晓旭 ,  曹婧媛

IPC: G16H30/00 ,  G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种全自动分析胸部CT身体组织成分系统，涉及医疗诊断设备技术领域，能够自动挑选符合要求的L1切片，并对目标层面的肌肉、脂肪面积和密度进行定量分析，具体包括三个模块：定位模块，用于对胸部CT图像上目标L1切片进行定位；分割模块，用于对胸部CT图像上L1对应轴向切片的骨骼肌及脂肪组织进行分割；自动测量模块，用于对临床胸部CT图像的身体成分的自动测量。总而言之，本发明不仅提高了对胸部CT上人体成分测量的效率和精度，还填补了以往机器自动筛选L1单一切片技术的空白。

公开(公告)号：CN119723236A

公开(公告)日：2025-03-28

申请号：CN202411688241.X

申请日：2024-11-25

Applicant: 东南大学

Inventor： 张健 ,  王彬 ,  卢春强 ,  彭新桂 ,  郑婧

IPC: G06V10/774 ,  A61B5/08 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  G06T7/00 ,  G06T7/62

Abstract: 本发明公开了肺功能、呼吸肌功能测定方法、系统及设备，涉及医疗检测技术领域。本发明包括：MR图像数据收集，MR图像数据预处理，将MR后处理图像数据构成图像数据集；将图像数据集按照5:2:1划分为训练集、验证集和测试集；构建UNet分割模型并采用图像数据集进行训练。本发明创新性采用深度学习的方法对胸部MRI动态图像进行后处理，得到能全面评估血液透析患者膈肌结构和功能的量化指标，进而定量描述该人群膈肌功能状况，弥补了肺功能仪对于呼吸肌病变较轻、肺功能处于可代偿阶段的患者不能早期识别的缺点，弥补了肺功能仪检查不能提示呼吸肌病变发生的部位的缺点，弥补了肺功能较差的患者因不能配合完成肺功能仪检查从而无法监测肺功能的缺点。

公开(公告)号：CN119478013A

公开(公告)日：2025-02-18

申请号：CN202411531052.1

申请日：2024-10-30

Applicant: 东南大学

Inventor： 彭新桂 ,  傅琳 ,  孔佑勇 ,  王彬 ,  李弘暄 ,  周志凯 ,  杨文君

IPC: G06T7/62 ,  G06T7/13 ,  G06N3/0455 ,  G06N3/0464 ,  G06T7/00

Abstract: 本发明公开基于深度学习网络自动分析胸部呼吸肌体积的方法和系统，属于医学影像领域；基于深度学习网络自动分析胸部呼吸肌体积的方法包括：采集CT图像和医生手工标注的胸部呼吸肌图像，并预处理CT图像和医生手工标注的图像得到标准勾画图；对标准勾画图进行数据增强操作；构建U‑Net模型，并利用数据增强后的标准勾画图对所构建的U‑Net模型进行训练；利用训练后的U‑Net模型对医学图像中的胸部呼吸肌进行自动勾画，得到胸部呼吸肌的轮廓。构建U‑Net网络模型，为三维医学图像分割提供了一种高效、可靠且易于实现的解决方案，具有广泛的应用前景和临床价值，大大减少了临床工作中耗费的时间，帮助临床快速获得呼吸肌相关信息，指导患者的治疗，改善患者的预后。

公开(公告)号：CN118675760A

公开(公告)日：2024-09-20

申请号：CN202410765674.4

申请日：2024-06-14

Applicant: 东南大学

Inventor： 王彬 ,  孔佑勇 ,  郑婧 ,  彭新桂 ,  王晓旭

IPC: G16H50/70 ,  G06F18/2431 ,  G06F18/243 ,  G06N20/20 ,  G06F18/25

Abstract: 本发明公开了一种基于机器学习算法的风险分层评估方法及系统，涉及生物医药技术领域，包括以下步骤：获取患者相关数据，将其中一个独立中心数据作为验证集，其余患者相关数据进行随机分配，得到训练集、测试集；将训练集的患者数据输入至基于随机森林算法的预测模型内，构建风险得分计算公式得到风险评分，利用等宽分段原则对风险得分进行分段，其中，分段包括：低、中、高危风险人群；将测试集数据输入至训练后的基于随机森林算法的预测模型内，进行参数调整；将验证集数据用于模型评估，并验证风险评分系统对高、中、低危风险人群的区分度，加入了CT图像L1横突水平的相关参数，用机器学习算法整合患者的多维度临床特征，在保证模型较高泛化能力的同时提高了预测准确率。