-
公开(公告)号：CN118628488B
公开(公告)日：2024-11-08
申请号：CN202411095438.2
申请日：2024-08-12
Applicant: 四川大学华西医院 , 赛科奥瑞医疗科技(成都)有限公司
Abstract: 本发明涉及基于高分辨弥散磁共振成像的灰质微结构影像的成像方法，属于医学影像处理技术领域，包括如下步骤：步骤1)：优化磁共振弥散成像序列，以生成高分辨弥散磁共振成像的灰质微结构的影像或图像；步骤2)：去除灰质微结构图像噪声、伪影，以及涡流校正和样条插值校正；步骤3)：对灰质微结构图像进行预处理，得到表征灰质微结构的属性图像；步骤4)：对灰质微结构的灰质‑白质皮层交界区的U型纤维以及灰质皮层内的微小纤维进行追踪、可视化；步骤5)：对预处理后的灰质微结构图像进行大脑表面网格的转化处理;步骤6)：对灰质微结构进行定量分析；本发明的有益效果：制定张量确定性算法和可视化的定量分析，实现了纤维的追踪。
-
公开(公告)号：CN115239688B
公开(公告)日：2024-03-12
申请号：CN202210950084.X
申请日：2022-08-09
Applicant: 四川大学华西医院
IPC: G06T7/00 , G16H30/40 , G16H30/20 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请提供了一种基于磁共振对比增强3D‑T1WI图像的脑转移瘤识别方法与系统，识别系统包括数据收集模块、数据预处理模块、深度神经网络模块和数据压缩模块；数据收集模块用于收集符合纳入标准的脑转移瘤患者的颅脑磁共振对比增强3D‑T1WI数据；数据预处理模块将所有DICOM存储格式的原始图像数据转换为NIFTI格式；将所有图像重采样至相同的宽度、相同的高度及相同的体素大小；通过保持高分辨率的特征以保证信息的完整性，从而提高病灶的预测准确度；通过一个基于门控机制的注意力模块融合网络结构中不同层次的信息，使网络在具备分辨背景信息能力的同时对脑转移瘤保持高度的敏感性。
-
公开(公告)号：CN114926396A
公开(公告)日：2022-08-19
申请号：CN202210389137.5
申请日：2022-04-13
Applicant: 四川大学华西医院
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G16H50/20 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种精神障碍类磁共振图像初步筛查模型构建方法，包括对多个受试者进行临床全脑MRI扫描，图像处理均在联影工作站；由神经放射科医生检查所有受试者的图像，以排除有明显脑异常或有图像伪影的受试者；将DICOM文件存储格式的数据转换为NIFTI格式，保存在3D模型图像中；用颅骨剥离工具去除骨体素以消除非组织的影响；通过大脑分割包获得代表大脑半球信息的去颅骨的脑模板，以T1WI‑nii、T2WI‑nii及相应的脑模板作为卷积神经网络模型的输入；卷积神经网络模型移除对图像类别置信分数贡献度低的特征通道及其对应的滤波器，降低模型冗余度，压缩模型的同时保持模型性能；基于问卷在患者级标记，以弱监督的方式训练分类模型，并对训练后的分类模型进行检验。
-
公开(公告)号：CN113077887A
公开(公告)日：2021-07-06
申请号：CN202110315174.7
申请日：2021-03-24
Applicant: 四川大学华西医院
Abstract: 一种大脑白质病变自动化定量分析系统与判读方法，本方法利用人工智能方法自动、准确勾画病灶，准确计算大脑白质病变的体积，为病情进展的准确评估提供了可能。同时提供了一种自动化的判读系统，通过人机交互确定病灶的解剖定位、形态结构、病灶大小、病变发生时间、是否出血等多维度信息，实现病变定位可视化、影像指标量化、报告术语规范化、操作界面友好化，自动化做出逻辑分析，准确得出疾病判断，避免结论与描述不相符、重要结论漏报。
-
公开(公告)号：CN114926396B
公开(公告)日：2023-06-20
申请号：CN202210389137.5
申请日：2022-04-13
Applicant: 四川大学华西医院
IPC: G16H50/20 , G06T7/00 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种精神障碍类磁共振图像初步筛查模型构建方法，包括对多个受试者进行临床全脑MRI扫描，图像处理均在联影工作站；由神经放射科医生检查所有受试者的图像，以排除有明显脑异常或有图像伪影的受试者；将DICOM文件存储格式的数据转换为NIFTI格式，保存在3D模型图像中；用颅骨剥离工具去除骨体素以消除非组织的影响；通过大脑分割包获得代表大脑半球信息的去颅骨的脑模板，以T1WI‑nii、T2WI‑nii及相应的脑模板作为卷积神经网络模型的输入；卷积神经网络模型移除对图像类别置信分数贡献度低的特征通道及其对应的滤波器，降低模型冗余度，压缩模型的同时保持模型性能；基于问卷在患者级标记，以弱监督的方式训练分类模型，并对训练后的分类模型进行检验。
-
Patent Agency Ranking
公开(公告)号：CN113096796A
公开(公告)日：2021-07-09
申请号：CN202110358312.X
申请日：2021-04-01
Applicant: 四川大学华西医院
Abstract: 一种脑出血血肿扩大风险智能化预测系统及方法，本发明主要包括临床信息知识库模块、解剖模式图模块、影像特征标准化描述模块、神经网络单元和报告生成模块。优选的，还包括影像对比判读模块。本发明设计了可视化病灶解剖模式图，便于解剖及病灶的对照。将放射科医师观察到的征象，以一种简单、标准、易于掌握的操作流程呈现。对病灶的描述准确、规范。通过病灶描述结果与预设数据模块进行对比，在完成描述结果输出的同时，输出血肿早期扩大分级，为临床的治疗和干预决策提供依据。
-
公开(公告)号：CN118628488A
公开(公告)日：2024-09-10
申请号：CN202411095438.2
申请日：2024-08-12
Applicant: 四川大学华西医院 , 赛科奥瑞医疗科技(成都)有限公司
Abstract: 本发明涉及基于高分辨弥散磁共振成像的灰质微结构影像的成像方法，属于医学影像处理技术领域，包括如下步骤：步骤1)：优化磁共振弥散成像序列，以生成高分辨弥散磁共振成像的灰质微结构的影像或图像；步骤2)：去除灰质微结构图像噪声、伪影，以及涡流校正和样条插值校正；步骤3)：对灰质微结构图像进行预处理，得到表征灰质微结构的属性图像；步骤4)：对灰质微结构的灰质‑白质皮层交界区的U型纤维以及灰质皮层内的微小纤维进行追踪、可视化；步骤5)：对预处理后的灰质微结构图像进行大脑表面网格的转化处理;步骤6)：对灰质微结构进行定量分析；本发明的有益效果：制定张量确定性算法和可视化的定量分析，实现了纤维的追踪。
-
公开(公告)号：CN115239688A
公开(公告)日：2022-10-25
申请号：CN202210950084.X
申请日：2022-08-09
Applicant: 四川大学华西医院
Abstract: 本申请提供了一种基于磁共振对比增强3D‑T1WI图像的脑转移瘤识别方法与系统，识别系统包括数据收集模块、数据预处理模块、深度神经网络模块和数据压缩模块；数据收集模块用于收集符合纳入标准的脑转移瘤患者的颅脑磁共振对比增强3D‑T1WI数据；数据预处理模块将所有DICOM存储格式的原始图像数据转换为NIFTI格式；将所有图像重采样至相同的宽度、相同的高度及相同的体素大小；通过保持高分辨率的特征以保证信息的完整性，从而提高病灶的预测准确度；通过一个基于门控机制的注意力模块融合网络结构中不同层次的信息，使网络在具备分辨背景信息能力的同时对脑转移瘤保持高度的敏感性。
-
公开(公告)号：CN113096796B
公开(公告)日：2022-09-02
申请号：CN202110358312.X
申请日：2021-04-01
Applicant: 四川大学华西医院
Abstract: 一种脑出血血肿扩大风险智能化预测系统及方法，本发明主要包括临床信息知识库模块、解剖模式图模块、影像特征标准化描述模块、神经网络单元和报告生成模块。优选的，还包括影像对比判读模块。本发明设计了可视化病灶解剖模式图，便于解剖及病灶的对照。将放射科医师观察到的征象，以一种简单、标准、易于掌握的操作流程呈现。对病灶的描述准确、规范。通过病灶描述结果与预设数据模块进行对比，在完成描述结果输出的同时，输出血肿早期扩大分级，为临床的治疗和干预决策提供依据。
-
公开(公告)号：CN113077887B
公开(公告)日：2022-09-02
申请号：CN202110315174.7
申请日：2021-03-24
Applicant: 四川大学华西医院
Abstract: 一种大脑白质病变自动化定量分析系统与判读方法，本方法利用人工智能方法自动、准确勾画病灶，准确计算大脑白质病变的体积，为病情进展的准确评估提供了可能。同时提供了一种自动化的判读系统，通过人机交互确定病灶的解剖定位、形态结构、病灶大小、病变发生时间、是否出血等多维度信息，实现病变定位可视化、影像指标量化、报告术语规范化、操作界面友好化，自动化做出逻辑分析，准确得出疾病判断，避免结论与描述不相符、重要结论漏报。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.036 seconds)
