一种基于深度学习算法的延迟CT图像生成方法

    公开(公告)号:CN113436708A

    公开(公告)日:2021-09-24

    申请号:CN202110830115.3

    申请日:2021-07-22

    Abstract: 本发明属于医学图像技术领域,具体涉及一种基于深度学习算法的延迟CT(T2CT)图像生成方法。包括以下步骤:S1,采集患者的T2PET、T1PET和T1CT图像;S2,将采集的T2PET、T1PET和T1CT图像输入到所提出的多分辨率配准卷积神经网络后,输出包含大、中、小形变量的三个形变场;S3,将步骤S2中输出的包含大、中、小形变量的三个形变场,融合为一个形变场;S4,将所述的形变场和输入的T1CT图像输入到空间转换网络中以生成T2CT图像。本发明具有能够在延迟的PET扫描中执行衰减校正,同时通过生成T2CT图像来避免患者进行额外的CT扫描从而降低患者经受的X射线辐射剂量的特点。

    一种基于深度学习算法的延迟CT图像生成方法

    公开(公告)号:CN113436708B

    公开(公告)日:2022-10-25

    申请号:CN202110830115.3

    申请日:2021-07-22

    Abstract: 本发明属于医学图像技术领域,具体涉及一种基于深度学习算法的延迟CT(T2CT)图像生成方法。包括以下步骤:S1,采集患者的T2PET、T1PET和T1CT图像;S2,将采集的T2PET、T1PET和T1CT图像输入到所提出的多分辨率配准卷积神经网络后,输出包含大、中、小形变量的三个形变场;S3,将步骤S2中输出的包含大、中、小形变量的三个形变场,融合为一个形变场;S4,将所述的形变场和输入的T1CT图像输入到空间转换网络中以生成T2CT图像。本发明具有能够在延迟的PET扫描中执行衰减校正,同时通过生成T2CT图像来避免患者进行额外的CT扫描从而降低患者经受的X射线辐射剂量的特点。

    基于集成学习算法的脓毒症预后预测方法

    公开(公告)号:CN113593708A

    公开(公告)日:2021-11-02

    申请号:CN202110786584.X

    申请日:2021-07-12

    Abstract: 本发明属于数据挖掘领域技术领域,具体涉及基于集成学习算法的脓毒症预后预测方法。包括如下步骤:S1,数据获取:获取患者电子数据资料,并提取有效特征变量;S2,数据预处理:采用四分位数划分进行数据离散化及z‑score标准化方法;S3,特征选取:采用Spearman相关性系数进行特征选择,计算各个特征对目标研究对象的相关系数;S4,预测模型训练:将数据输入到构建的预测模型中,并根据训练结果不断调节参数,使模型达到最优性能;S5,评估模型:利用测试集对训练好的模型做测试并进行评估。本发明具有科学可靠、准确率高、模型性能好、特异性和敏感度高、能够避免模型过拟合现象的特点。

    一种多功能智能中药柜
    4.
    实用新型

    公开(公告)号:CN214341041U

    公开(公告)日:2021-10-08

    申请号:CN202022295584.3

    申请日:2020-10-15

    Abstract: 本实用新型公开一种多功能智能中药柜。包括中药柜柜体和智能控制模块;中药柜柜体上设有若干个可单向抽出的中药药斗和用于完成配药的工作台。每个中药药斗内底部设有实时获取药斗内药物重量数据的压力传感器,且中药药斗的外侧面板上设有显示屏;每个中药药斗下方设有带有开关的LED灯。本实用新型是一种多功能智能化的中药柜,基于CAN总线通信的智能药斗LED定位提示,配合对应药斗的显示屏,实现智能辅助配药;本实用新型利用工业相机实现可追溯操作,方便医师和病人双向的核对,有利于缓解医患之间的纠纷问题。

Patent Agency Ranking