基于自监督学习的三维医学影像异常检测方法和系统,方法包括如下步骤:根据三个尺度不同的原始特征图,分别构建三个独立的特征嵌入网络;利用特征嵌入网络,将三个原始特征图转换成一维的嵌入向量;计算伪异常图像与正常图像在每一尺度下的嵌入向量之间的均方误差之和;利用Adam优化器对特征嵌入网络进行参数更新;构建与编码器结构对称的解码器;利用全连接层扩展三个嵌入向量并分别重塑,生成三个低分辨率特征图,低分辨率特征图的空间分辨率与layer3特征图相同;将三个低分辨率特征图进行融合后得到layer3重建特征图;解码器的上采样模块对layer3重建特征图逐层级联重建,得到与layer1特征图和layer2特征图分辨率分别一致的layer1重建特征图和layer2重建特征图。
📄 2025107366801
📂 G06T7_00
👤 杭州电子科技大学
📅 2025-06-04
本发明公开了一种深度学习驱动的三维医学影像诊断辅助系统,本发明中,模型训练模块作为深度学习驱动的三维医学影像诊断辅助系统的核心,其内部子模块的精心设计和协同工作为整个系统带来了显著的有益效果。数据加载子模块确保了大规模影像数据的高效读取和预处理,为后续训练提供了稳定的数据流。模型训练模块通过自动化特征学习和模型定制与优化,系统实现了从原始影像数据到诊断知识的高效转化,大大提高了诊断的准确性和效率。医生可以依靠系统提供的精准诊断结果,更快地制定治疗方案,改善患者预后。同时高效训练管理和性能监控与评估确保了模型在整个训练过程中的稳定性和可靠性。
📄 2024118814722
📂 G16H50_20
👤 杭州电子科技大学
📅 2024-12-19
本发明涉及影像超声技术领域,尤其是一种用于医学影像超声的可调节体位检查装置及其使用方法,包括底座,弧形支撑板,两个所述弧形支撑板对称设置于第一内槽内壁的两侧;气囊支撑装置,所述气囊支撑装置安装于弧形支撑板与转动床体之间,所述气囊支撑装置用于在转动床体翻转带动人体滑动至对人体的侧身进行整体支撑保护。装置通过气囊支撑装置的设置,使得随着转动床体转动后露出的第一弹性气囊逐渐充气膨胀对人体进行支撑,保持在人体翻转的整个过程中始终保持对人体整体的防护支撑,从而有利于避免人体在翻转过程中的碰撞受伤,有利于避免人体由于不适而产生晃动,从而有利于提高影像超声检查的稳定性。
📄 2022101571315
📂 A61B8_00
👤 郭庆生
📅 2022-02-21
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
本实用新型公开了一种一体式医学影像用存储装置,包括存储装置本体、置物架、收纳仓、展示框和弹簧,所述存储装置本体上部的一侧设置有置物架,且置物架的一侧设置有收纳仓,所述收纳仓的内部设置有可滑动的展示框,且展示框的外端焊接有拉手,所述置物架和收纳仓的下方设置有抽屉,且抽屉的下方设置有置物柜。该一体式医学影像用存储装置,可对存放影像进行分类存放保存,且在需要查看影像胶片时,不需要将影像胶片从装置上取下,即可对影像胶片进行查看,可避免来回多次取放影像胶片,造成影像胶片的磨损或弯折损坏。
📄 2020221345510
📂 A47B81_00
👤 宋一诺
📅 2020-09-25
本申请公开了一种电子医学影像中嵌入医疗信息的系统及方法,包括:医学影像采集终端,将采集的医学影像和对应的病历号发送给医疗信息管理服务器,医疗信息管理服务器对患者的医疗信息进行分类,对分类后的医疗信息分别加密后,将密文数据嵌入到患者的医学影像中,然后将处理后的医学影像发送给医学影像数据库进行存储;医护人员终端,将待查询的病历号发送给医疗信息管理服务器,医疗信息管理服务器从医学影像数据库中调取医学影像,并根据医护人员终端的权限,生成对应的密文,将医学影像以及密文反馈给医护人员终端;医护人员终端,使用共享密钥对密文进行解密,基于解密得到的密钥对医学影像中的嵌入信息进行提取。
📄 2020107828992
📂 G16H30_20
👤 临沂大学
📅 2020-08-06
一种基于细粒度注意力的医学影像报告生成方法,包含:首先,通过预训练过的yolov5目标检测模型提取原始X射线全景图片中的牙齿和症状区域;通过denseNet‑121卷积神经网络对原始X射线全景图片提取特征,并与候选疾病标签文本通过跨模态注意力融合特征,得到粗粒度全局跨模态表示。随后,基于牙齿和症状区域的几何位置分布构建几何联结图,使牙齿和对应病灶区域在空间上对齐。然后,将区域图像特征根据几何联结图所表示的所属关系通过图注意力融合特征,得到细粒度的牙齿症状表示。最后,将粗粒度全局跨模态特征与细粒度牙齿症状表示输入具有两层跨模态注意力并由一个句子状态遗忘门控制的transformer桥塔文本生成器生成文本生成最后的报告文本。
📄 202211346536X
📂 G06V10_44
👤 浙江工业大学
📅 2022-10-31
一种适用于移动应用的小巧医学影像病灶分割方法,首先训练得到准确率较高的第一网络,然后将医学图像输入至第二网络和训练好的第一网络,对第一网络中间层的特征图特征精炼、边缘特征推理,将第一网络中和标签中丰富的边缘信息,通过投影、建图、推理的过程提取抽象的图信息;本发明通过特征精炼和边缘特征推理,将内在知识传递到第二网络,可使第二网络结果更加优秀,进而提升最终分割的性能,得到的第二网络,将待检测医学影像输入至已训练完成的第二网络中,得到病灶分割结果。本发明分割精确度高,体积小,特别适合部署在移动应用中。
📄 2021102897717
📂 G06T7_00
👤 浙江工业大学
📅 2021-03-17
本发明涉及数据处理技术领域,具体涉及一种肺部恶性肿瘤医学影像数据分类处理方法及系统,其中,肺部恶性肿瘤医学影像数据分类处理方法包括获取采集到的肺部医学影像数据进行预处理;基于预处理数据建立并训练肺部恶性肿瘤数据分类模型;获取待分类处理的医学影像数据,基于所述肺部恶性肿瘤数据分类模型,得到数据不确定性估计值;获取所述数据不确定性估计值基于三支决策理论比较,通过终端输出分类处理结果。通过对医学影像数据进行预处理、模型建立、处理、比较,得到分类结果,数据分类处理准确率高,有利于医生后续快速准确做出决策。
📄 2023106053798
📂 G06V10_764
👤 西南大学
📅 2023-05-26