-
公开(公告)号：CN118918249B
公开(公告)日：2025-04-29
申请号：CN202410942897.3
申请日：2024-07-15
Applicant: 首都医科大学附属北京积水潭医院
IPC: G06T17/00 , G01N23/046 , G16H50/30 , G16H30/40
Abstract: 本发明涉及医学数据处理技术领域，公开一种基于双层光谱CT的三物质模型的构建方法及骨密度和骨髓脂肪含量定量分析系统，包括：根据目标群体位于腰椎椎体的双层光谱CT数据，利用三物质分解法，得到目标群体的骨基质体积分数和表示骨髓脂肪含量的黄骨髓体积分数；根据目标群体的骨基质体积分数，得到目标群体的骨密度；以目标群体位于腰椎椎体的双层光谱CT数据作为样本数据，以目标群体的骨密度、骨髓脂肪含量作为标签数据，训练得到基于双层光谱CT的三物质模型。本发明能够基于双层光谱CT图像的HU值，同时精确地定量骨密度和骨髓脂肪含量，减轻医疗资源负担，有助于更好地理解骨髓脂肪在骨骼代谢疾病中的作用，为临床诊断和治疗提供可靠参考依据。
-
公开(公告)号：CN118841171A
公开(公告)日：2024-10-25
申请号：CN202410899591.4
申请日：2024-07-05
Applicant: 首都医科大学附属北京积水潭医院
IPC: G16H50/30 , G16H10/20 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于CT检查自动化测量体质成分的KOA风险预测方法，包括：分别获取健康人群和KOA患者的CT数据集；采用移动图像增强窗口对CT数据集进行预处理，得到预处理数据集；利用预处理数据集对预设的多目标分割的卷积神经网络深度学习模型进行训练，得到分割信息；利用分割信息自动获得体质参数；根据体质参数和预设的临床资料建立样本数据集，并对样本数据集进行特征提取；利用特征值对预设模型进行训练，得到KOA风险预测模型；利用KOA风险预测模型对待测人群进行KOA风险预测，得到预测结果。本发明能够通过机器学习预测模型，构建整合人体体质成分及临床因素的KOA的风险预测系统预期，实现精准预测KOA的风险，为临床KOA的防治提供重要数据参考。
-
公开(公告)号：CN113409309A
公开(公告)日：2021-09-17
申请号：CN202110805189.1
申请日：2021-07-16
Applicant: 北京积水潭医院
Abstract: 本发明提供了一种肌肉CT影像勾画方法、系统、电子设备和机器存储介质，涉及图像处理技术领域，方法包括：将获取的肌肉CT影像进行预处理，得到预处理后的肌肉影像序列；对肌肉影像序列于CT矢状位进行定位识别，得到目标肌肉(包括指定位置的肌肉或肌肉群)的矢状位定位图像；对目标肌肉的矢状位定位图像于轴位水平进行分割处理，得到针对指定位置的肌肉或肌肉群的CT影像的多种结果；分割结果包括多种肌肉参数。本发明可以快速、准确地实现三维医学图像的肌肉分割参数信息自动化测量，从而提升医学影像(图像)肌肉勾画、测量效率，降低人力成本。
-
公开(公告)号：CN111481225A
公开(公告)日：2020-08-04
申请号：CN202010515757.X
申请日：2020-06-08
Applicant: 北京积水潭医院
Abstract: 本发明提供了一种应用于X线成像设备骨密度测量的体模及X线成像设备，涉及骨密度测量技术领域。应用于X线成像设备骨密度测量的体模包括体模本体；体模本体上具有多个台阶，且多个台阶的顶面与体模本体底面之间的距离不同。X线成像设备，包括X线成像设备本体和应用于X线成像设备骨密度测量的体模。达到了临床常规X线成像设备可以测量骨密度的技术效果。
-
公开(公告)号：CN109953739A
公开(公告)日：2019-07-02
申请号：CN201711342369.0
申请日：2017-12-14
Applicant: 北京积水潭医院
IPC: A61B5/00
Abstract: 一种测量肝脏脂肪含量的方法及装置，其特征在于所述方法包含以下步骤：步骤1：用配置有固体体模的CT扫描仪对肝脏样本进行定量计算机体层摄影术QCT扫描,扫描图像传至QCT工作站经处理后生成3D图像；步骤2:在矢状面图像中，将3个感兴趣区ROIs置于样本中心,设置检测参数,输出QCT骨密度BMDSample,斜率slope和扫描野一致性校正系数FUC；步骤3：计算肝脏样本的脂肪含量。
-
Patent Agency Ranking
公开(公告)号：CN118941812B
公开(公告)日：2025-03-04
申请号：CN202410944121.5
申请日：2024-07-15
Applicant: 首都医科大学附属北京积水潭医院
IPC: G06V10/44 , G06V10/30 , G06V10/36 , G06V10/34 , G06T5/10 , G06T5/70 , G06T5/20 , G06T7/13 , G06T7/45 , G06T7/11 , G06T5/40 , G06T17/00 , G06N3/0464 , G06N3/082
Abstract: 本发明提供了一种基于医学影像的膝关节病变特征自动判读方法及系统，涉及智慧医疗检测技术领域，方法包括：获取待判读的医学影像；对所述医学影像进行滤波处理，得到滤波完成的图像；构建图像增强窗口，并利用所述图像增强窗口遍历所述滤波完成的图像进行去噪，得到去噪完成的图像；对去噪完成的图像进行直方图均衡化处理，得到增强完成的图像；基于深度学习技术，利用增强完成的图像进行特征分割，得到病变特征；所述病变特征包括：关节间隙、关节面下骨质增生硬化、骨赘形成情况、关节面下骨质囊变、关节畸形等。本发明通过图像处理和机器学习技术，实现了膝关节病变的自动化判读，提供了高效、准确的诊断工具。
-
公开(公告)号：CN118841171B
公开(公告)日：2025-02-07
申请号：CN202410899591.4
申请日：2024-07-05
Applicant: 首都医科大学附属北京积水潭医院
IPC: G16H50/30 , G16H10/20 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于CT检查自动化测量体质成分的KOA风险预测方法，包括：分别获取健康人群和KOA患者的CT数据集；采用移动图像增强窗口对CT数据集进行预处理，得到预处理数据集；利用预处理数据集对预设的多目标分割的卷积神经网络深度学习模型进行训练，得到分割信息；利用分割信息自动获得体质参数；根据体质参数和预设的临床资料建立样本数据集，并对样本数据集进行特征提取；利用特征值对预设模型进行训练，得到KOA风险预测模型；利用KOA风险预测模型对待测人群进行KOA风险预测，得到预测结果。本发明能够通过机器学习预测模型，构建整合人体体质成分及临床因素的KOA的风险预测系统预期，实现精准预测KOA的风险，为临床KOA的防治提供重要数据参考。
-
公开(公告)号：CN113409309B
公开(公告)日：2023-10-27
申请号：CN202110805189.1
申请日：2021-07-16
Applicant: 北京积水潭医院
IPC: G06T7/00 , G06T7/12 , G06T7/13 , G06T7/62 , G06F18/2415 , G06N3/048 , G06N3/0464 , G06V10/82 , G06N3/08 , G06V10/25
Abstract: 本发明提供了一种肌肉CT影像勾画方法、系统、电子设备和机器存储介质，涉及图像处理技术领域，方法包括：将获取的肌肉CT影像进行预处理，得到预处理后的肌肉影像序列；对肌肉影像序列于CT矢状位进行定位识别，得到目标肌肉(包括指定位置的肌肉或肌肉群)的矢状位定位图像；对目标肌肉的矢状位定位图像于轴位水平进行分割处理，得到针对指定位置的肌肉或肌肉群的CT影像的多种结果；分割结果包括多种肌肉参数。本发明可以快速、准确地实现三维医学图像的肌肉分割参数信息自动化测量，从而提升医学影像(图像)肌肉勾画、测量效率，降低人力成本。
-
公开(公告)号：CN111481225B
公开(公告)日：2025-01-24
申请号：CN202010515757.X
申请日：2020-06-08
Applicant: 北京积水潭医院
Abstract: 本发明提供了一种应用于X线成像设备骨密度测量的体模及X线成像设备，涉及骨密度测量技术领域。应用于X线成像设备骨密度测量的体模包括体模本体；体模本体上具有多个台阶，且多个台阶的顶面与体模本体底面之间的距离不同。X线成像设备，包括X线成像设备本体和应用于X线成像设备骨密度测量的体模。达到了临床常规X线成像设备可以测量骨密度的技术效果。
-
公开(公告)号：CN118941812A
公开(公告)日：2024-11-12
申请号：CN202410944121.5
申请日：2024-07-15
Applicant: 首都医科大学附属北京积水潭医院
IPC: G06V10/44 , G06V10/30 , G06V10/36 , G06V10/34 , G06T5/10 , G06T5/70 , G06T5/20 , G06T7/13 , G06T7/45 , G06T7/11 , G06T5/40 , G06T17/00 , G06N3/0464 , G06N3/082
Abstract: 本发明提供了一种基于医学影像的膝关节病变特征自动判读方法及系统，涉及智慧医疗检测技术领域，方法包括：获取待判读的医学影像；对所述医学影像进行滤波处理，得到滤波完成的图像；构建图像增强窗口，并利用所述图像增强窗口遍历所述滤波完成的图像进行去噪，得到去噪完成的图像；对去噪完成的图像进行直方图均衡化处理，得到增强完成的图像；基于深度学习技术，利用增强完成的图像进行特征分割，得到病变特征；所述病变特征包括：关节间隙、关节面下骨质增生硬化、骨赘形成情况、关节面下骨质囊变、关节畸形等。本发明通过图像处理和机器学习技术，实现了膝关节病变的自动化判读，提供了高效、准确的诊断工具。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.029 seconds)
