-
公开(公告)号：CN113299385B
公开(公告)日：2024-03-08
申请号：CN202110485891.4
申请日：2021-04-30
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC分类号： G16H50/20 , G16H30/00 , G06V10/80 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/11 , G06T7/33
-
公开(公告)号：CN110717894A
公开(公告)日：2020-01-21
申请号：CN201910894463.X
申请日：2019-09-20
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
摘要： 本发明实施例公开一种癌症靶向治疗疗效评估方法及装置、设备、存储介质，其中方法包括如下步骤：对患者在癌症治疗期间内的所有CT影像和对应的ROI标注图进行基于分辨率的归一化处理得到处理图像组；基于肿瘤分割网络对处理图像组中的各处理图像进行检测和分割，提取出与各处理图像中肿瘤尺寸相匹配的3D肿瘤时序数据；基于特征学习网络提取3D肿瘤时序数据对应的时序特征数据；采用基于门控循环的分类网络对时序特征数据指示的疗效进行分类，输出疗效评估结果。采用本发明，针对癌症靶向治疗疗效评估问题，可以兼具准确性和医学含义的智能性。
-
公开(公告)号：CN113299385A
公开(公告)日：2021-08-24
申请号：CN202110485891.4
申请日：2021-04-30
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
摘要： 本发明提供了一种基于深度学习的胰腺囊性病变临床决策方法和系统，包括：获取具有相同层数的多期相胰腺影像，对多期相胰腺影像进行配准，获得配准后的多期相胰腺影像；获得多期相局部胰腺影像和多期相全局胰腺影像；对多期相局部胰腺影像和多期相全局胰腺影像特征提取，生成多期相局部特征集合和多期相全局特征集合；通过多期相全局特征集合对多期相局部特征集合进行指导，完成多期相局部特征集合与多期相全局特征集合的渐进融合，获得多期相融合特征；根据多期相融合特征进行多任务学习，并对照临床指南生成临床决策结果。可以获得更加丰富清晰的胰腺轮廓影像细节，使得胰腺囊肿的鉴别更加精准，可以根据胰腺囊肿的真实情况形成对应的临床决策。
-
公开(公告)号：CN111667486A
公开(公告)日：2020-09-15
申请号：CN202010355337.X
申请日：2020-04-29
申请人： 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
IPC分类号： G06T7/10
摘要： 本发明提供了一种基于深度学习的多模态融合胰腺分割方法和系统，解决现有技术分割准确性较低的技术问题。方法包括：利用确定模态图像分割网络形成胰腺影像的确定模态三维图像；利用空间变换网络形成所述胰腺影像的变换场数据，通过所述变换场数据将所述确定模态三维图像转换为其他模态参考三维图像；利用所述确定模态图像分割网络形成所述胰腺影像的其他模态相似三维图像；通过融合所述参考三维图像和所述相似三维图像形成其他模态三维图像。实现了利用模态优化的图像分割网络和变换场数据获得其他多个模态的准确分割三维图像的快捷途经，形成的两种相关三维图像进行特征拟合和修正保证了本技术方案快速分割多模态影像结果的准确性。有效提高了多模态胰腺影像的分割效率。
-
公开(公告)号：CN114841914B
公开(公告)日：2024-07-23
申请号：CN202210206571.5
申请日：2022-03-03
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC分类号： G06T7/00 , G06T7/11 , G06T7/60 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G16H50/20
摘要： 本发明提供一种胰腺囊性病变的检测方法及装置。所述方法包括：将3D静脉期图像和3D动脉期图像分别输入到3D卷积网络和Transformer网络，分别提取静脉期图像特征和动脉期图像特征；将所述静脉期图像特征和动脉期图像特征输入至多网络多期相特征融合模块，输出多期相融合特征；将所述多期相融合特征输入至病灶分割模块，自动分割囊肿、主胰管并输出囊肿尺寸。本发明利用3D卷积网络有效提取图像的局部细节特征，利用Transformer网络有效提取图像的包含上下文信息的全局特征，并通过基于CT多期相图像特征提取及多期相特征融合，提高了病灶分割精度，不仅能分割出囊肿和主胰管，还能判断是否有壁结节并精确分割壁结节。
-
公开(公告)号：CN111667486B
公开(公告)日：2023-11-17
申请号：CN202010355337.X
申请日：2020-04-29
申请人： 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
IPC分类号： G06T7/10
摘要： 本发明提供了一种基于深度学习的多模态融合胰腺分割方法和系统，解决现有技术分割准确性较低的技术问题。方法包括：利用确定模态图像分割网络形成胰腺影像的确定模态三维图像；利用空间变换网络形成所述胰腺影像的变换场数据，通过所述变换场数据将所述确定模态三维图像转换为其他模态参考三维图像；利用所述确定模态图像分割网络形成所述胰腺影像的其他模态相似三维图像；通过融合所述参考三维图像和所述相似三维图像形成其他模态三维图像。实现了利用模态优化的图像分割网络和变换场数据获得其他多个模态的准确分割三维图像的快捷途经，形成的两种相关三维图像进行特征拟合和修正保证了本技术方案快速分割多模态影像结果的准确性。有效提高了多模态胰腺影像的分割效率。
-
公开(公告)号：CN110717894B
公开(公告)日：2022-08-23
申请号：CN201910894463.X
申请日：2019-09-20
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
摘要： 本发明实施例公开一种癌症靶向治疗疗效评估方法及装置、设备、存储介质，其中方法包括如下步骤：对患者在癌症治疗期间内的所有CT影像和对应的ROI标注图进行基于分辨率的归一化处理得到处理图像组；基于肿瘤分割网络对处理图像组中的各处理图像进行检测和分割，提取出与各处理图像中肿瘤尺寸相匹配的3D肿瘤时序数据；基于特征学习网络提取3D肿瘤时序数据对应的时序特征数据；采用基于门控循环的分类网络对时序特征数据指示的疗效进行分类，输出疗效评估结果。采用本发明，针对癌症靶向治疗疗效评估问题，可以兼具准确性和医学含义的智能性。
-
公开(公告)号：CN113951866A
公开(公告)日：2022-01-21
申请号：CN202111261990.0
申请日：2021-10-28
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
摘要： 本发明提供一种基于深度学习的子宫肌瘤诊断方法及装置。所述方法包括：将从患者MRI中随机切割的3D patch输入卷积网络提取局部特征，将与所述3D patch中间几层对应的连续完整切片输入Transformer网络提取全局特征；将所述全局特征和局部特征输入至卷积网络的跨网络注意力模块进行融合，输出肌瘤分割结果；将所述肌瘤分割结果输入肌瘤诊断模块，得到肌瘤类别及大小。本发明通过设置基于卷积和Transformer互补的深度神经网络，并在卷积网络中设置跨网络注意力模块，能够有效提取全局特征和局部特征并进行有效融合，从而提高图像分割的精度，能够解决小肌瘤难以定位和大肌瘤难以精准分割的问题。
-
公开(公告)号：CN112862784A
公开(公告)日：2021-05-28
申请号：CN202110180370.8
申请日：2021-02-08
申请人： 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
摘要： 本申请公开了一种基于非局部注意力机制的多期相融合器官分割方法及装置，该方法通过预设多期相融合器官分割网络模型分别对全局尺度多期相数据对和局部尺度多期相数据对进行图片分割得到全局尺度分割结果和局部尺度分割结果，对全局尺度分割结果和局部尺度分割结果进行融合得到待分割器官的分割结果。本申请中通过预设多期相融合器官分割网络模型中的跨期相非局部注意力融合机制模块根据两个期相的特征之间的位置关系和深度关系对两个期相的特征进行互补，充分利用双期相的互补使得两个期相的特征之间可以有效融合，采用了多尺度分割框架对全局尺度分割结果和局部尺度分割结果进行融合，有效的利用全局上下文信息，提高器官分割的准确性。
-
公开(公告)号：CN115035047A
公开(公告)日：2022-09-09
申请号：CN202210548890.4
申请日：2022-05-20
申请人： 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC分类号： G06T7/00 , G06T7/11 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于局部全局时空特征融合的肝脏肿瘤鉴别方法及装置。所述方法包括：从输入医学影像中分割出腹部区域图像；将所述腹部区域图像输入卷积神经网络，进行局部特征提取；将提取的局部特征输入注意力机制模块进行全局特征提取；将提取的全局特征特征编码为脉冲序列后输入至脉冲神经网络，进行时空特征提取；对提取的局部特征、全局特征和时空特征进行融合，基于融合特征输出肝脏肿瘤类别。本发明利用脉冲神经网络进行时空特征提取，并基于局部特征、全局特征和时空特征的融合进行肝脏肿瘤类别鉴别，明显提高了鉴别精度。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.049 秒)
