本发明公开了一种基于深度学习CT影像组学的结直肠癌生存期预测方法。属于医学图像处理技术领域。具体步骤:(1)、获取数据;(2)、对CT影像组学数据进行结直肠肿瘤区域标注;(3)、对获取数据进行预处理;(4)、构建基于深度神经网络的特征学习模型;(5)、利用Lasso回归对结直肠癌CT影像组学深度高通量特征降维,建立患者的风险评分模型;(6)、根据风险评分分组;(7)、曲线及特征有效性验证;(8)、构建深度神经网络多任务逻辑回归(DNN‑MTLR)模型进行生存期概率预测;本发明在得到病人拍摄CT图像后导入系统分析,结果可为医师(特别是年轻经验不足的放射科医生)提供参考,以便更好地了解病人病情并进行下一步决策。
📄 2020110050229
📂 G16H50_70
👤 江南大学, 江南大学附属医院
📅 2020-09-22
本发明涉及图像识别领域,尤其指一种小样本直肠癌MR图像的完全可解释的分期预测方法、装置及介质;计算预处理后的直肠癌MR图像的共生矩阵提取每张图像的物理特征,真实标签也作为物理特征;根据图像及真实标签确定K个聚类以表征直肠癌分期阶段;对物理特征用模糊C均值算法得到K个聚类的相关信息;根据K个聚类的相关信息训练TSK模糊系统得到初始直肠癌分期预测模型;将直肠癌MR图像及真实标签输入模型输出分期预测值;以预测误差、输出方差和改进的特征分布损失构建模型中模糊规则权重的目标函数;以解析解的形式对目标函数求解,得到优化后的规则权重及直肠癌分期预测模型,实现基于少量直肠癌MR图像的完全可解释的分期预测。
📄 2024114850537
📂 G06V10_762
👤 江南大学
📅 2024-10-23
本发明涉及一种具有病变及疑似病变组织定位功能的系统及移动设备,包括:检测装置,获取被测对象的热成像图像、彩色照片及位置信息;热成像识别度提升模块,更改身体热成像图像的色彩对比度和色调,得到病变及疑似病变组织部分的高识别度热成像影像;轮廓影像提取模块,提取被测对象彩色照片中被测对象的轮廓影像;第一图层叠加控制模块,对高识别度热成像影像和轮廓影像进行叠加,获得热成像定位影像;第二图层叠加控制模块,被配置为对高识别度热成像影像和彩色照片进行叠加,获得色彩定位影像;定位模块,精确定位并同步显示病变及疑似病变组织的位置;显示装置,显示热成像定位影像和/或色彩定位影像,并显示病变及疑似病变组织的位置。
📄 2023106480069
📂 G16H30_20
👤 深圳市人民医院, 无锡恒业电热电器有限公司, 江南大学
📅 2023-06-02
本发明涉及医学图像处理与人工智能技术领域,公开了脑铁沉积空间分布模式智能识别与分型方法及其系统,该方法包括:对全脑QSM图像进行空间标准化和脑区分割;通过多尺度空间注意力特征提取网络生成空间分布特征向量;采用空间邻域约束的模糊聚类算法将铁沉积模式划分为皮层型、深部核团型、脑室周围型和弥漫型;建立铁沉积模式与血管性认知障碍病因亚型的映射关系;评估双侧半球铁沉积不对称性,本发明实现了脑铁沉积空间分布模式的自动识别与分型,模式识别准确率达85%以上,为血管性认知障碍病因分型提供辅助诊断依据。
📄 2026101629278
📂 G06T7_00
👤 江南大学
📅 2026-02-05
本实用新型涉及分析仪技术领域,尤其是多模态重塑模拟五官分析仪,包括主体,消杀机构和支撑底座,所述主体的内部设有均匀分布的分析头,所述分析头固定连接所述主体,所述消杀机构固定连接所述主体,所述消杀机构的一侧设有紫外线灯,所述紫外线灯固定连接所述消杀机构,所述支撑底座位于所述主体的下方,所述支撑底座的上方设有调节底座,所述支撑底座的外部设有限位组件,所述限位组件贯穿活动连接所述调节底座,所述限位组件固定连接所述支撑底座;最终可以根据不同的被分析者进行调节分析仪的高度以及进行伸缩,从而使得扫描时更加方便快捷,同时能适应不同人对其进行扫描分析;最终能对分析仪使用后进行消杀,方便下一次的使用。
📄 2023216175852
📂 F16M11_04
👤 安徽喆安智能科技有限公司
📅 2023-06-26
本发明公开了一种基于医学影像的帕金森预测方法,属于医学图像处理技术领域,所述方法包括:获取待评估的MRI影像;对所述MRI影像进行预处理;将预处理后的MRI影像输入至预先构建好的人工智能分类预测模型中,得到预测结果,其中所述人工智能分类预测模型为改进的ResNet18网络模型。本发明将逐渐成熟的医学影像和深度学习进行结合,发挥人工智能的优势并将其应用于实际生活中,以残差网络为基础架构,根据帕金森病的医学影像特点对其进行改进,实现帕金森病的自动分类,准确度高。
📄 2023107514715
📂 G06V10_764
👤 齐鲁工业大学(山东省科学院), 山东省计算中心(国家超级计算济南中心)
📅 2023-06-25
一种基于连续聚类框架的脑纤维快速聚类算法,包括以下步骤:1)建立纤维集群参数模型,包含纤维集群中心、密度、群内距离和纤维数量4个参数;2)读入一定数量的纤维,通过密度峰值搜索算法初始化参数模型;3)读入新的纤维,与由参数模型表示的纤维集群进行相似度距离计算,根据相似度距离大小将新纤维分配到集群或者置于缓存容器中;4)重复步骤2),同时通过缓存容器阈值判断是否更新参数模型,直至所有纤维都经过分类处理;5)最后对所有参数模型进行密度峰值搜索聚类,结束脑纤维聚类过程。本发明通过参数模型表示纤维集群,以参数模型的形式代表集群中的所有纤维进行纤维相似度计算,最终对所有参数模型进行聚类。
📄 2018104857445
📂 G16H10_20
👤 浙江工业大学
📅 2018-05-21
一种在不平衡裂隙灯图像中白内障细粒度分类方法,包括:构建基于自注意力机制的白内障细粒度分类网络,将图片分为固定大小的补丁,经过一个补丁嵌入层后进入到多头自注意力中,从不同维度的空间中学习,以便更好地提取白内障的病理层面的特征;再聚焦损失根据样本大小动态修改其损失,以重新平衡不同类别的权重;对已有的数据类别根据其数据量进行合理的划分,构建包含多个白内障类别的细粒度的数据集,以供模型训练;采用多项指标对所提出的方法进行有效性验证。本发明还包括一种在不平衡裂隙灯图像中白内障细粒度分类系统。本发明能够输出白内障的具体类别和严重程度,是在数据量呈长尾分布时依旧能够得到较好的输出结果。
📄 2023101406990
📂 G06V10_764
👤 浙江工业大学
📅 2023-02-21
本发明公开了一种基于神经网络的脑积水影像学特征的检测方法及电子设备和存储介质,包括收集并标记正常压力脑积水患者的脑部影像数据,进行预处理;利用神经网络实现厚层脑部影像数据中脑室区域的分割,生成二值图像序列;通过薄层脑部影像数据训练一个用于插值的神经网络模型,不断调整参数直至最优;将厚层影像二值分割结果与原始厚层影像一起输入至训练好的插值网络中,输出经过插值处理后的二值分割图像;统计插值后二值分割图像中脑室部分的体素数目,结合影像扫描间距信息计算出脑室内腔的实际体积。本发明缩小了当扫描间距过大时通过分割图像计算脑室体积时的误差以获得精确的脑室体积数据,从而优化脑积水的计算机辅助诊断流程。
📄 2025104012010
📂 G06T7_00
👤 浙江工业大学
📅 2025-04-01
一种基于多尺度特征提取的帕金森病大脑异常标注方法,包括以下步骤:步骤一:图像预处理;步骤二:拟合微结构属性;步骤三:全脑的白质纤维重构;步骤四:基于深度学习的白质束分割;步骤五:白质束微结构特征重采样;步骤六:白质异常特征预标记;步骤七:提取白质异常特征。本发明能够从多个尺度评估患者的白质微结构异常,实现对患者的异常特征更可靠的解释和提取,对于提前诊断帕金森病患者具有参考作用。
📄 2022106651265
📂 A61B5_055
👤 浙江工业大学
📅 2022-06-13
本发明公开了一种基于空间位置引导的X光片桡骨远端骨折分类方法,首先将原始手腕部X光片通过目标检测模型,得到桡骨关节面检测结果,并对检测结果进行裁剪,得到桡骨关节面感兴趣区域;然后将桡骨关节面感兴趣区域输入至分割模型,得到关节面的分割结果;最后将桡骨关节面感兴趣区域和分割结果一起作为桡骨远端骨折分类模型的输入,得到骨折分类结果和骨折类别可视化结果图。本发明利用桡骨关节面分割结果作为位置信息引导分类网络的注意力,以及多编码模块的多种信息编码方式,使获得的信息更加全面,提高桡骨远端骨折的分类准确度,并且得到骨折类别可视化结果图。
📄 2021108504868
📂 G06V10_764
👤 浙江工业大学
📅 2021-07-27
一种基于细粒度图像分类的骨龄评估方法,包括:步骤1)左手手腕骨X光片图像的获取;步骤2)输入本发明中设计的基于细粒度分类的骨龄评估网络进行骨龄评估;步骤3)获得骨龄评估结果。本发明利用细粒度图像分类的方法对左手手腕骨X光片进行骨龄评估,设计并实现了一个基于细粒度图像分类的骨龄评估网络,在进行骨龄评估时,仅需输入待评估的X光片以及X光片对应的性别,即可得到评估骨龄值。对于输入的X光片,骨龄评估网络能够自适应地提取出其中包含最多特征信息的若干兴趣区域,利用这些兴趣区域的图像特征来进行精确地骨龄评估。该发明对0至18岁青少年的左手手腕骨X光片都能进行准确地骨龄评估,具有较大地应用价值。
📄 2022100390327
📂 G06T7_00
👤 浙江工业大学
📅 2022-01-13