-
公开(公告)号：CN116777885A
公开(公告)日：2023-09-19
申请号：CN202310780783.9
申请日：2023-06-29
申请人： 浙江省肿瘤医院
摘要： 本发明公开了一种基于两阶段似造影生成对抗网络的肝脏消融疗效评估方法，所述方法包括：采集肝脏消融前后超声图像及对应的超声造影图像构建图像库；对图像进行预处理，并使用第一阶段的深度学习网络训练输出一阶段肝脏消融前后目标区域预测图；通过重心提取模块，裁剪出超声图像和超声造影图像上消融前后目标区域；通过第二阶段的端到端对抗生成网络进行图像生成和判别；建立两阶段的损失函数，训练各个网络；使用训练好的网络生成包括肝脏消融区域的肝脏超声似造影图像；基于肝脏超声似造影图像评估消融疗效。本发明通过基于两阶段生成对抗网络的肝脏似造影图像可准确强化病灶和组织的对比，具有无创、便捷、低成本的优势。
-
公开(公告)号：CN118762265A
公开(公告)日：2024-10-11
申请号：CN202410981591.9
申请日：2024-07-22
申请人： 浙江省肿瘤医院
IPC分类号： G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/084 , G06N3/0475 , G06N3/045 , G06N3/047 , G06N3/096 , G06N3/0455
摘要： 本发明技术提供了一种基于放射平扫影像的前向扩散生成网络的增强期生成方法，具有如下优点：第一，本发明设计了一种多模态扩散生成网络，相比于生成对抗网络中使用的随机噪声，使产生的噪声图像符合平扫期影像的数据分布，第二，本发明设计了一种多模态扩散生成网络，转置卷积神经网络可以通过反向传播过程调整参数并还原影像和数据特征；第三，多模态扩散生成网络生成的类增强序列影像，可以使患者在不注射造影剂的情况下得到增强序列影像，解决了部分患者对造影剂过敏禁忌和降低成本的问题；第四，多模态扩散生成网络生成的类增强序列影像，对于复查患者仅需进行平扫检查，通过平扫期可以生成5个增强时期影像，提高的乳腺MRI检查时的扫查效率。
-
公开(公告)号：CN117796897A
公开(公告)日：2024-04-02
申请号：CN202310972572.5
申请日：2023-08-03
申请人： 浙江省肿瘤医院
IPC分类号： A61B18/12 , A61B18/14 , A61B18/18 , H01H13/14 , H01H13/52 , H01R24/40 , H01H13/06 , H01R13/03
摘要： 本发明提供了一种自检式射频与微波手持开关消融电极针，包括：手持部，其包括壳体及设于壳体内的内部连接结构和线路板，所述壳体一端设有冷媒介管和连接器组，另一端渐变缩小并连接消融针杆，所述壳体上还设有手按式自复位开关和发光二级管指示灯；以及消融针杆，其一端连接手持部壳体，另一端设有消融针头；所述线路板上还配置有自检指示电路，所述自检指示电路用于接收连接器组输入的电压检测信号和温度检测信号，并输出相应驱动信号至所述发光二级管指示灯，以控制发光二级管指示灯进行自检状态指示。本发明可通过消融针手柄上的自复位开关控制射频或微波的输出，进而对肿瘤病灶进行射频或微波消融。
-
公开(公告)号：CN117710851A
公开(公告)日：2024-03-15
申请号：CN202311609946.3
申请日：2023-11-29
申请人： 浙江省肿瘤医院
IPC分类号： G06V20/40 , G16H30/00 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/096 , G06N3/045 , G16H10/60
摘要： 本发明提供了一种基于3D‑CMGAN网络的类造影视频生成方法，包括如下步骤：采集超声视频数据和文本信息数据，将视频数据转换为AVI格式视频，同时文本信息数据进行特征工程；构建基于深度学习的3D‑CMGAN网络模型，包括视频编码器、文本编码器、生成网络、自注意力机制、判别网络和损失函数的设计；将术前视频数据和文本数据共同作为所述3D‑CMGAN网络模型的预训练数据；使用所述预训练数据对所述3D‑CMGAN网络模型进行预训练；使用迁移学习的方式结合术后不同评估时期的数据对不同评估时期的3D‑CMGAN网络模型进行迁移训练，同时调整3D‑CMGAN网络模型的超参数，得到用于不同评估时期的超声类造影视频生成模型，进而生成不同时期的类造影视频。使用该方法能够客观评估患者消融术后疗效。
-
公开(公告)号：CN116843616A
公开(公告)日：2023-10-03
申请号：CN202310557110.7
申请日：2023-05-17
申请人： 浙江省肿瘤医院
IPC分类号： G06T7/00 , G06V10/22 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种基于深度学习和图像处理的乳腺钼靶病灶检测及定位方法，包括：获取Dicom格式的乳腺钼靶图像集；对获取的乳腺钼靶图像集中的图像进行图像预处理操作；构建深度学习卷积神经网络模型，使用乳腺钼靶图像集中的图像与勾画得到的不同区域的标签对模型进行训练及测试；对所述深度学习卷积神经网络模型输出的LCC、RCC、LMLO及RMLO体位的掩模图像的乳头区域计算重心坐标，分别做垂线得到区分病灶位置的两种不同体位的边界线，并分别以得到的两种不同体位的边界线为x轴构建笛卡尔坐标系；对所述两种不同体位的边界线划分为不同区域后计算病灶区域最小外接矩形，结合划分后的不同区域判断病灶区域位置并计算大小；形成结构化文字显示病灶信息。
-
公开(公告)号：CN115423786A
公开(公告)日：2022-12-02
申请号：CN202211123087.2
申请日：2022-09-15
申请人： 浙江省肿瘤医院
摘要： 本发明公开了一种基于类造影深度学习模型评估甲状腺结节消融疗效的方法，包括：采集甲状腺结节消融前后的超声图像与超声造影图像作为原始图像数据集并进行图像预处理；以第一甲状腺超声造影图像中的甲状腺结节区域为金标准，基于第一甲状腺超声图像和对抗生成网络训练得到类造影深度学习模型；将第二甲状腺超声图像输入至类造影深度学习模型，对应生成甲状腺超声类造影图像；基于甲状腺超声类造影图像评估消融疗效。通过类造影深度学习模型生成的类造影图像能准确显示甲状腺结节消融灶的范围、有无增强等情况，实现通过类造影图像评估消融疗效的目的，减少医疗成本，完善评估甲状腺结节消融疗效的手段。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.025 秒)
