公开(公告)号：CN112419290A

公开(公告)日：2021-02-26

申请号：CN202011371119.1

申请日：2020-11-30

申请人： 青岛大学附属医院 ,  河北医科大学第三医院 ,  北京航空航天大学 ,  青岛百洋智能科技股份有限公司

发明人： 卢云 ,  王贵英 ,  李帅 ,  刘尚龙 ,  杨斌 ,  张建 ,  李琴

IPC分类号： G06T7/00 ,  G06T7/13 ,  G06T7/62 ,  G06K9/62 ,  G06K9/46 ,  G06K9/32

摘要： 本发明属于图像识别技术领域，公开一种基于CT图像影像组学特征的进展期胃癌边缘状态识别系统，包括：特征提取网络、区域生成网络和目标检测网络；所述特征提取网络用于对输入的已绘制ROI的CT图像进行抽象，提取影像组学特征；所述区域生成网络利用Pearson相关分析算法选择影像组学特征，建立Pearson相关矩阵，计算成对影像组学特征相关系数，选择具有最大绝对相关系数平均值的影像组学特征，采用SFFS算法筛选最优影像组学特征；所述目标检测网络用于预测切缘阳性概率。本发明的系统能够识别肉眼无法辨识的微观医学影像信息，可以精确鉴别胃癌的浸润深度，可以在术前对切缘状态进行预判。

公开(公告)号：CN109242844B

公开(公告)日：2021-08-06

申请号：CN201811026043.1

申请日：2018-09-04

申请人： 青岛大学附属医院

发明人： 孙品 ,  刘尚龙 ,  卢云 ,  李帅

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于深度学习的胰腺癌肿瘤自动识别系统，属于图像识别技术领域。该系统包括深度学习模型，所述深度学习模型包括：特征提取网络、区域生成网络和Fast R‑CNN目标检测网络；所述特征提取网络用于对胰腺癌肿瘤的图像特征进行抽象，并生成卷积特征图；所述区域生成网络用于对所述卷积特征图中存在的所有特征进行滑动扫描，在每个滑动窗口位置选出多个候选区域，所述候选区域为可能的胰腺癌肿瘤区域；所述Fast R‑CNN目标检测网络用于对卷积特征图以及生成的候选区域进行进一步回归与分类，最终输出胰腺癌肿瘤区域的位置以及概率。本发明的系统可以完成病变组织的跟踪识别，减少人工操作，处理速度快，准确度高。

公开(公告)号：CN109242844A

公开(公告)日：2019-01-18

申请号：CN201811026043.1

申请日：2018-09-04

申请人： 青岛大学附属医院

发明人： 刘尚龙 ,  卢云 ,  李帅

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于深度学习的胰腺癌肿瘤自动识别系统，属于图像识别技术领域。该系统包括深度学习模型，所述深度学习模型包括：特征提取网络、区域生成网络和Fast R-CNN目标检测网络；所述特征提取网络用于对胰腺癌肿瘤的图像特征进行抽象，并生成卷积特征图；所述区域生成网络用于对所述卷积特征图中存在的所有特征进行滑动扫描，在每个滑动窗口位置选出多个候选区域，所述候选区域为可能的胰腺癌肿瘤区域；所述Fast R-CNN目标检测网络用于对卷积特征图以及生成的候选区域进行进一步回归与分类，最终输出胰腺癌肿瘤区域的位置以及概率。本发明的系统可以完成病变组织的跟踪识别，减少人工操作，处理速度快，准确度高。

公开(公告)号：CN111346556A

公开(公告)日：2020-06-30

申请号：CN202010152034.8

申请日：2020-03-06

申请人： 青岛大学附属医院

发明人： 李营 ,  刘尚龙 ,  王海燕 ,  程聪 ,  张树超

IPC分类号： B01F11/00 ,  G01N1/38

摘要： 本发明公开了一种血液检测用血液震荡混合装置，包括底座，所述底座的顶部固定连接有固定座，所述底座通过连接件在固定座的内部活动连接有转动座,所述固定座包括底板，所述底板的顶部固定连接有六个挡块，所述底板的外壁固定连接有围板，所述转动座包括转盘，所述转盘的顶壁开设有六个安装槽，六个所述安装槽内且位于转盘的顶部嵌设有橡胶垫，所述转盘的底部固定连接有六个凸块，所述转盘的中部固定连接有立柱，所述立柱的底部开设有卡槽，该血液检测用血液震荡混合装置，涉及医疗设备技术领域，通过设置有固定座和转动座，保证了血液的充分震荡，确保了血液与抗凝剂的混合，减小了医护人员的工作量，提高了工作效率。

公开(公告)号：CN111210909A

公开(公告)日：2020-05-29

申请号：CN202010029854.8

申请日：2020-01-13

申请人： 青岛大学附属医院

发明人： 卢云 ,  刘广伟 ,  刘尚龙

IPC分类号： G16H50/20 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

摘要： 本发明公开了一种基于深度神经网络的直肠癌T分期自动诊断系统，属于图像识别技术领域。基于深度神经网络的直肠癌T分期自动诊断系统包括深度神经网络模型，所述深度神经网络模型包括：特征提取网络，区域生成网络，池化层，分类和回归层；所述深度神经网络模型的学习过程包括：首先，使用ResNet-50模型，对输入的整张图像的层面类型进行学习并判断，学习判断该图像投照方位，建立层面识别模块；然后，以ResNet101模型作为基础网络，在每个图像层面分别训练一个目标检测模型，用于勾画出肿瘤区域，并判断肿瘤T分期。本发明利用计算机技术来处理图像，有一致的处理结果以及相当的准确度，便于集成和大规模的应用。

公开(公告)号：CN111292304A

公开(公告)日：2020-06-16

申请号：CN202010073365.2

申请日：2020-01-22

申请人： 青岛大学附属医院

发明人： 刘尚龙 ,  卢云 ,  孙品

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于深度神经网络的胰腺肿瘤病理自动诊断系统,包括深度神经网络模型，所述深度神经网络模型包括：特征提取网络，用于对输入的整张图像的图像特征进行抽象并生成卷积特征图；区域生成网络，用于根据特征提取网络输出的卷积特征图进行筛选，推荐候选区域；池化层，对所述卷积特征图以及所述候选区域进行卷积操作，将不同大小的输入信号转换为固定长度的输出信号，得到一组低维特征向量；分类和回归层，构建一个预测病理等级的放射组学模型，根据池化层输出的低维特征向量，根据放射学特征预测胰腺肿瘤的病理程度。本发明的系统可以代替医生来完成预测胰腺肿瘤的病理程度，可减少人工操作，处理速度快。