-
公开(公告)号：CN118743531A
公开(公告)日：2024-10-08
申请号：CN202410777929.9
申请日：2024-06-17
Abstract: 本发明涉及医学图像处理技术领域，公开了一种幽门螺旋杆菌荧光诊断辅助系统，包括：图像采集与处理模块，用于获取白光和窄带光谱作用下，胃内发出的光学信号，并将光学信号转换为高光谱图像；图像分析模块，用于识别每一个像素点，是否呈阳性，并基于所有像素点的识别结果，判断所述高光谱图像是否呈阳性，得到第一判断结果；将所述高光谱图像进行切片，并识别每个子图是否呈阳性后，基于所有子图的识别结果，判断所述高光谱图像是否呈阳性，得到第二判断结果；基于所述第一判断结果和第二判断结果，得到所述胃是否为幽门螺旋杆菌阳性。实现内镜下Hp诊断的可视化、定量化和无创化。
-
公开(公告)号：CN115308176B
公开(公告)日：2024-09-13
申请号：CN202210886685.9
申请日：2022-07-26
Applicant: 山东大学
Abstract: 本发明提供了一种癌变细胞判别用口腔黏膜多频荧光成像系统及方法，包括荧光成像装置本体、显示单元和散热单元，所述荧光成像装置本体与显示单元连接，显示单元用于显示荧光成像本体的图像进行显示；所述荧光成像本体还与散热单元连接，散热单元用于对荧光成像本体进行散热；能够对其荧光成像装置本体工作产生的热量进行吸收，能够增加与外界空气之间的接触面积，由此方便加快荧光成像装置本体的散热速度，方便荧光成像装置本体工作时产生的热量更好的向外散发。
-
公开(公告)号：CN116168226A
公开(公告)日：2023-05-26
申请号：CN202211500819.5
申请日：2022-11-28
Applicant: 山东大学
IPC: G06V10/764 , G06V10/80 , G06T7/00 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于高光谱技术的术中肿瘤快速分类系统，包括：图像预处理模块，用于对获取的肿瘤病变组织若干频段的高光谱图像进行预处理；肿瘤病变区域识别模块，用于选择多个优选频率分别对应的高光谱图像，融合得到融合光谱图像，基于该图像进行肿瘤目标检测，识别肿瘤病变区域；肿瘤病变类型识别模块，用于对识别的肿瘤病变区域进行多像素点采样，获取每个采样点各优选频率的频率特性，将其分别输入良性和恶性肿瘤识别模型中，分别输出良性和恶性可能性矩阵，以此识别肿瘤病变类型。本发明基于肿瘤病变组织高光谱图像判别肿瘤良恶性，实现术中肿瘤病变类型的快速分类，缩减快速识别时间，提高识别效率的同时，提高识别结果的准确性。
-
公开(公告)号：CN115719340A
公开(公告)日：2023-02-28
申请号：CN202211455674.1
申请日：2022-11-21
Applicant: 山东大学
IPC: G06T7/00 , G06V10/80 , G06T5/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于高光谱图像的良恶性肿瘤识别系统，涉及医学图像处理技术领域，该系统包括：特征提取模块，用于对获取的高光谱图像进行锐化处理，提取经锐化处理后高光谱图像的边缘特征图；特征融合模块，用于利用拉普拉斯金字塔图像融合算法对高光谱图像和边缘特征图进行不同频带特征的融合，得到肿瘤高光谱特征增强图；识别模块，用于将肿瘤高光谱特征增强图输入至预先训练的良恶性肿瘤识别模型中，输出得到肿瘤边界特征，根据肿瘤边界特征确定高光谱图像的肿瘤类别。通过该系统能够提取出更加丰富的肿瘤边缘信息，加强对于恶性肿瘤不明显情况下的肿瘤识别性能，从而提高良恶性肿瘤识别的准确率。
-
公开(公告)号：CN115272873A
公开(公告)日：2022-11-01
申请号：CN202211177847.8
申请日：2022-09-27
Applicant: 山东大学
IPC: G06V20/10 , G06V10/30 , G06V10/32 , G06V10/34 , G06V10/774
Abstract: 本发明公开的基于梯度域的高光谱图像非线性特征预处理系统及方法，属于图像处理技术领域，包括：图像获取模块，用于获取高光谱图像；去噪模块，用于对高光谱图像进行去噪，获得去噪后图像；梯度面获取模块，用于获得去噪后图像的像素值，并根据像素值计算获得去噪后图像的梯度面；非线性解混模块，用于根据梯度面和P‑线性混合模型对去噪后图像进行非线性解混，获得非线性解混后数据；结果获取模块，用于通过非线性解混后数据和非线性归一化算法，获得预处理后的高光谱图像。对获取的高光谱图像进行预处理后，能够解决切片制备与高光谱扫描像元光谱信息收集不一致带来的数据统计分布不均及难以处理的奇异样本数据问题。
-
Patent Agency Ranking
公开(公告)号：CN114137158A
公开(公告)日：2022-03-04
申请号：CN202111320956.6
申请日：2021-11-09
Applicant: 山东大学
Abstract: 本发明属于肺癌早期筛查装置领域，提供了一种基于呼出气体挥发性有机物检测的肺癌早期筛查装置，其包括呼出气体获取部，其用于获取定量呼出气体；标记物分离部，其用于从所述定量呼出气体中分离出有机肺癌特异性生物标记物；气体检测部，其用于检测所述定量呼出气体的温度和湿度以及分离的所述的有机肺癌特异性生物标记物的浓度；数据处理部，其用于基于模糊加权因子将所述定量呼出气体的温度、湿度及所述的有机肺癌特异性生物标记物的浓度进行融合，将融合后的数据与预设肺癌阈值数据比较，若前者大于后者，则判定呼出气体者为疑似肺癌患者，否则判定呼出气体者为非肺癌患者。
-
公开(公告)号：CN119279774A
公开(公告)日：2025-01-10
申请号：CN202411834702.X
申请日：2024-12-13
Applicant: 山东大学齐鲁医院
Abstract: 本发明公开了一种用于手术规划的多模态医学影像3D重建与可视化系统，涉及医学影像处理技术领域，包括多模态影像采集与预处理模块，用于采集并预处理包括CT、MRI、PET模态的医学影像；多模态影像分割模块，用于对多模态影像进行精准分割；3D重建与融合模块，通过多尺度重建算法进行3D模型的重建与融合；术中增强现实可视化模块，通过自适应投影算法将重建的3D模型投射到手术区域；误差分析与校正模块，用于确保手术导航中的实时误差校正精度达到亚微米级；特征匹配与融合模块通过特征匹配确保多模态融合效果，并使用特征拼接进行非线性融合；本发明采用上述的一种用于手术规划的多模态医学影像3D重建与可视化系统，解决了传统手术规划系统的局限。
-
公开(公告)号：CN114137158B
公开(公告)日：2023-10-31
申请号：CN202111320956.6
申请日：2021-11-09
Applicant: 山东大学
IPC: G01N33/00 , G01D21/02 , G06N3/0499 , G06N3/084
Abstract: 本发明属于肺癌早期筛查装置领域，提供了一种基于呼出气体挥发性有机物检测的肺癌早期筛查装置，其包括呼出气体获取部，其用于获取定量呼出气体；标记物分离部，其用于从所述定量呼出气体中分离出有机肺癌特异性生物标记物；气体检测部，其用于检测所述定量呼出气体的温度和湿度以及分离的所述的有机肺癌特异性生物标记物的浓度；数据处理部，其用于基于模糊加权因子将所述定量呼出气体的温度、湿度及所述的有机肺癌特异性生物标记物的浓度进行融合，将融合后的数据与预设肺癌阈值数据比较，若前者大于后者，则判定呼出气体者为疑似肺癌患者，否则判定呼出气体者为非肺癌患者。
-
公开(公告)号：CN115728236A
公开(公告)日：2023-03-03
申请号：CN202211455793.7
申请日：2022-11-21
Applicant: 山东大学
Abstract: 本发明提供一种高光谱图像采集与处理系统及其工作方法，涉及高光谱成像设备技术领域，该系统包括：相互通信连接的图像采集装置和图像处理器，图像采集装置用于采集高光谱图像，图像处理器用于识别高光谱图像中的肿瘤组织区域，其中，图像采集装置包括：多光谱光源，用于为生物组织提供多种频段的光，处理部件，设置于反射光的光路通道中，用于对生物组织的反射光进行分光和变向处理，采集部件，用于采集经分光和变向处理之后的反射光，将光信号转化成电信号，以及调节部件，用于对电信号进行处理，将其转换成图像信号，并根据处理结果对多光谱光源、处理部件和采集部件进行调节。该系统可以用于手术过程中肿瘤组织的快速识别。
-
公开(公告)号：CN115308176A
公开(公告)日：2022-11-08
申请号：CN202210886685.9
申请日：2022-07-26
Applicant: 山东大学
Abstract: 本发明提供了一种癌变细胞判别用口腔黏膜多频荧光成像系统及方法，包括荧光成像装置本体、显示单元和散热单元，所述荧光成像装置本体与显示单元连接，显示单元用于显示荧光成像本体的图像进行显示；所述荧光成像本体还与散热单元连接，散热单元用于对荧光成像本体进行散热；能够对其荧光成像装置本体工作产生的热量进行吸收，能够增加与外界空气之间的接触面积，由此方便加快荧光成像装置本体的散热速度，方便荧光成像装置本体工作时产生的热量更好的向外散发。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.022 seconds)
