-
公开(公告)号：CN116797592A
公开(公告)日：2023-09-22
申请号：CN202310816522.8
申请日：2023-07-05
Applicant: 中国医学科学院北京协和医院
IPC: G06T7/00 , G06T7/62 , G06T7/11 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及智能医疗技术领域，更具体地，涉及基于内脏脂肪组织面积的预测方法、设备、系统及可读存储介质。包括：获取样本的影像图像，所述影像包括盆腔影像；采用分割算法分割影像图像，得到样本的内脏脂肪组织面积；基于所述内脏脂肪组织面积预测样本的盆腔脂肪体积或样本是否为盆腔脂肪增多症的分类结果。本申请具有重要的临床应用价值。
-
公开(公告)号：CN117672503B9
公开(公告)日：2024-08-09
申请号：CN202410135503.3
申请日：2024-01-31
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明提供了一种基于DKI评估IgG4-RKD风险的方法、系统及可存储介质，涉及智能医疗领域。所述方法包括：获取患者的DKI序列；从所述DKI序列中提取参数，得到定量DKI参数，所述定量DKI参数包括：MD-P、MD-C、MD-M、MK-P、MK-C和MK-M；当MD-C显著大于MD-P和MD-M时，发出IgG4-RKD风险提示。本发明所公开的方法综合多种参数评估患者IgG4-RKD风险，包括：定量DKI参数(MD-P、MD-C、MD-M、MK-P、MK-C和MK-M)、影像特征、eGFR、ESR和C4补体水平等多种指标，提供更全面和准确的风险评估结果，有重要的科研和临床价值。
-
公开(公告)号：CN116958151A
公开(公告)日：2023-10-27
申请号：CN202311221342.1
申请日：2023-09-21
Applicant: 中国医学科学院北京协和医院
Abstract: 本申请涉及智能医疗领域，具体涉及一种基于CT图像特征区分肾上腺增生与乏脂肪腺瘤的方法、系统、设备。包括获取肾上腺部位的CT图像；对所述CT图像进行特征计算得到特征值，所述特征为密度特征和/或体积特征，所述密度特征是指在轴位肾上腺病变图像中感兴趣区域的病变密度，所述体积特征是指肾上腺病变图像中感兴趣区域的病变体积；将所述特征值输至疾病诊断模型中进行分类，当特征值的阈值在预设值内则判定为肾上腺增生，否则判定为乏脂肪腺瘤。本申请结合基于密度与体积特征有效区分肾上腺增生与乏脂肪腺瘤，降低将增生误诊为腺瘤的几率，避免增生患者接受不必要的手术，具有很好的临床价值。
-
公开(公告)号：CN119132512A
公开(公告)日：2024-12-13
申请号：CN202411298601.5
申请日：2024-09-18
Applicant: 中国医学科学院北京协和医院
Abstract: 本申请涉及智能医疗领域，具体涉及一种预测根治性前列腺切除术后Gleason评分升降级的方法、设备及程序产品。包括S1、获取行根治性前列腺切除待测者的术前病理数据、影像数据；S2、基于所述术前病理数据得到术前穿刺评分；S3、基于所述术前病理数据、影像数据、术前穿刺评分进行预测得到术后Gleason评分及Gleason的升降级结果，本申请能够同时进行术后Gleason评分的升降级预测，具有很好临床价值。
-
公开(公告)号：CN116797592B
公开(公告)日：2024-11-08
申请号：CN202310816522.8
申请日：2023-07-05
Applicant: 中国医学科学院北京协和医院
IPC: G06T7/00 , G06T7/62 , G06T7/11 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及智能医疗技术领域，更具体地，涉及基于内脏脂肪组织面积的预测方法、设备、系统及可读存储介质。包括：获取样本的影像图像，所述影像包括盆腔影像；采用分割算法分割影像图像，得到样本的内脏脂肪组织面积；基于所述内脏脂肪组织面积预测样本的盆腔脂肪体积或样本是否为盆腔脂肪增多症的分类结果。本申请具有重要的临床应用价值。
-
Patent Agency Ranking
公开(公告)号：CN118587509A
公开(公告)日：2024-09-03
申请号：CN202410890223.3
申请日：2024-07-04
Applicant: 中国医学科学院北京协和医院
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/774 , G06T7/00 , G16H50/30 , G16H50/70
Abstract: 本发明属于智能医疗领域，具体涉及一种基于ASL评估RAS患者治疗后改善的方法、设备和程序产品。方法包括获取RAS患者的治疗前ASL影像和治疗后ASL影像，所述ASL影像覆盖肾动脉和肾脏；提取所述治疗前ASL影像得到治疗前影像特征，提取所述治疗后ASL影像得到治疗后影像特征，所述影像特征包括pRBF和aRBF；将治疗前影像特征和治疗后述影像特征输入分类器，输出RAS患者的治疗是否有效的分类结果。本申请实现了基于pRBF评估患者接受的治疗是否有效，并实现了基于pRBF评估被试是否患有RAS；本申请中RBF可用于识别单侧肾功能下降并促进RAS患者的早期干预。
-
公开(公告)号：CN117672503B
公开(公告)日：2024-05-03
申请号：CN202410135503.3
申请日：2024-01-31
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明提供了一种基于DKI评估IgG4‑RKD风险的方法、系统及可存储介质，涉及智能医疗领域。所述方法包括：获取患者的DKI序列；从所述DKI序列中提取参数，得到定量DKI参数，所述定量DKI参数包括：MD‑P、MD‑C、MD‑M、MK‑P、MK‑C和MK‑P；当MD‑C显著大于MD‑P和MD‑M时，发出IgG4‑RKD风险提示。本发明所公开的方法综合多种参数评估患者IgG4‑RKD风险，包括：定量DKI参数（MD‑P、MD‑C、MD‑M、MK‑P、MK‑C和MK‑M）、影像特征、eGFR、ESR和C4补体水平等多种指标，提供更全面和准确的风险评估结果，有重要的科研和临床价值。
-
公开(公告)号：CN117672503A
公开(公告)日：2024-03-08
申请号：CN202410135503.3
申请日：2024-01-31
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明提供了一种基于DKI评估IgG4‑RKD风险的方法、系统及可存储介质，涉及智能医疗领域。所述方法包括：获取患者的DKI序列；从所述DKI序列中提取参数，得到定量DKI参数，所述定量DKI参数包括：MD‑P、MD‑C、MD‑M、MK‑P、MK‑C和MK‑P；当MD‑C显著大于MD‑P和MD‑M时，发出IgG4‑RKD风险提示。本发明所公开的方法综合多种参数评估患者IgG4‑RKD风险，包括：定量DKI参数（MD‑P、MD‑C、MD‑M、MK‑P、MK‑C和MK‑M）、影像特征、eGFR、ESR和C4补体水平等多种指标，提供更全面和准确的风险评估结果，有重要的科研和临床价值。
-
公开(公告)号：CN115619810B
公开(公告)日：2023-10-03
申请号：CN202211629229.2
申请日：2022-12-19
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明涉及一种前列腺分区分割方法、系统及设备。包括：获取前列腺图像；将前列腺图像输入到前列腺分区分割模型中进行初次分割，输出第一次分割结果；将计算得到的前列腺外周带体积和整个腺体体积的比值与阈值进行比较，基于所述比值与阈值的关系进行二次分割，得到最终分割结果。本发明方法旨在基于U‑Net系列模型构建的前列腺分区分割模型对前列腺图像进行粗分类，根据计算的比值与阈值的关系，再通过基于语义分割构建的二次分割模型进行二次分割，实现高精度的分割结果，发掘其在协助前列腺癌手术定位和手术计划以及标准化前列腺特异性抗原密度的潜在应用价值。
-
公开(公告)号：CN115661107A
公开(公告)日：2023-01-31
申请号：CN202211386972.X
申请日：2022-11-07
Applicant: 中国医学科学院北京协和医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于膀胱癌危险分层的图像分析方法、系统及设备。包括：获取患者术前CT造影图像序列，所述患者术前CT造影图像序列包括平扫、皮髓质期、实质期和排泄期图像；对获取的患者术前CT造影图像序列进行分割和定位，得到肿瘤病灶ROI；然后基于肿瘤病灶ROI提取膀胱癌特征，得到参数图像组合特征；再将其输入到基于多任务深度学习构建的膀胱癌分层模型，输出预测的膀胱癌分层结果。本发明方法旨在基于自动定位的肿瘤病灶ROI提取参数图像组合特征，再输入到基于多任务深度学习构建的膀胱癌分层模型实现分类，旨在发掘其对泌尿学CT影像数据的分析能力和潜在应用价值。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.026 seconds)
