-
公开(公告)号：CN108171703A
公开(公告)日：2018-06-15
申请号：CN201810050741.9
申请日：2018-01-18
Applicant: 东北大学
Abstract: 本发明属于基于医学图像的图像处理技术领域，尤其涉及一种从胸部CT图像中自动提取气管树的方法。从胸部CT图像中获取主气管与主支气管；根据3D区域生长分割方式和已获取主气管与主支气管信息，建立自适应阈值3D区域生长分割模型和自适应阈值泄漏模型；利用自适应阈值3D区域生长分割模型和自适应阈值泄漏模型，提取胸部CT图像的第二类气管分支；根据提取的第二类气管分支的中间信息，调整自适应阈值3D区域生长模型和自适应阈值泄露模型的参数，然后提取所述胸部CT图像的第三类气管分支；基于已获取气管树拓扑结构提取末梢气管分支，获得所述胸部CT图像的气管树。本发明提供的方法提高了从CT图像中提取气管树的气管分割精度，同时降低提取时间。
-
公开(公告)号：CN114519722B
公开(公告)日：2024-11-08
申请号：CN202210145347.X
申请日：2022-02-17
Applicant: 东北大学
IPC: G06T7/11 , G06T7/246 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于卷积神经网络的颈动脉提取方法，涉及医学图像处理技术领域。该方法包括：对原始数据集中各三维颈动脉CTA图像及各自对应的分割标签分别提取补丁块；构建训练数据集；建立并训练颈动脉中心路径预测模型；确定并训练颈动脉分割模型；输入待预测颈动脉的三维颈动脉CTA图像以及给定的种子点；基于种子点，提取以种子点为中心的补丁块；加载预训练的颈动脉中心路径预测模型和预训练的颈动脉分割模型，基于以种子点为中心的补丁块和预训练的颈动脉中心路径预测模型进行颈动脉中心路径的迭代追踪，并在颈动脉中心路径追踪过程中完成颈动脉的分割。该方法首次实现了追踪颈动脉中心路径的同时完成颈动脉分割。
-
公开(公告)号：CN113974667B
公开(公告)日：2024-06-28
申请号：CN202111287231.1
申请日：2021-11-02
Applicant: 东北大学 , 中国医科大学附属第一医院
IPC: A61B6/03
Abstract: 本发明公开了一种TAVI术前关键目标的自动定位装置及方法，涉及医学图像处理技术领域。装置包括：获取心脏CTA数据的数据采集模块；从心脏CTA数据中提取进行关键目标定位所需数据的数据提取模块；定位出TAVI术前所需的关键目标并输出定位结果的关键目标定位模块。方法包括：获取心脏CTA数据；分割主动脉和冠脉；定位左右冠脉开口位置以及确定主动脉中心线；对中心线上的点进行采样获得中心线上分别以各采样点为中心带有分割结果的横截面，各横截面的法线对应采样点的切线；从带有分割结果的各主动脉横截面上确定主动脉的分割平面，获得一系列主动脉平面；从主动脉平面中定位主动脉窦管连接处平面、主动脉瓣环平面、升主动脉平面和主动脉窦环平面。
-
公开(公告)号：CN118154624A
公开(公告)日：2024-06-07
申请号：CN202410412115.5
申请日：2024-04-08
Applicant: 东北大学
IPC: G06T7/11 , G06T7/136 , G06T7/194 , G06T7/62 , G06T7/66 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明设计一种基于置信度评估的鼻咽癌自动分割方法，属于医学影像辅助检测技术领域；首先获取MRI数据，构建MRI数据集；根据MRI数据集配置深度神经网络模型，将鼻咽癌MRI数据集划分为两种数据集类型：训练和测试数据集以及待评估数据集；如果使用的是训练和测试数据集，则初始化MRI鼻咽癌分割模型权重，训练MRI鼻咽癌分割模型；训练完成后输出并保存训练得到的模型参数，加载模型参数配置，使用MRI鼻咽癌分割模型分割待评估数据中的鼻咽癌区域；本发明实现方法简单，运算速度快，结果准确性高，置信度评估准确，基本达到了临床应用的要求。
-
公开(公告)号：CN112200484B
公开(公告)日：2024-02-27
申请号：CN202011155353.0
申请日：2020-10-26
Applicant: 东北大学
IPC: G06Q10/10 , G06Q10/0631 , G06Q10/0637 , G06Q50/18 , G06F16/23 , G06F9/54
Abstract: 本发明公开一种基于策略定义的智能分案系统及方法，属于案件分配技术领域，该系统包括案件一览模块、策略设置模块、规则定义模块和执行分案模块四个模块，通过设计规则、指定、工作量和轮案四种策略排列组合的方式进行案件分配。本发明分案策略多样化，充分考虑了办案人员能力与案件是否匹配，此外还对案件本身的难度进行定量评估，借助大数据和人工智能技术，实现了批量快速的线上分案，提高了分案效率。
-
Patent Agency Ranking
公开(公告)号：CN111104226B
公开(公告)日：2024-01-26
申请号：CN201911354225.6
申请日：2019-12-25
Applicant: 东北大学
IPC: G06F9/50 , G06Q30/0645
Abstract: 本发明提供一种多租户服务资源的智能管理系统及方法，涉及计算机技术技术领域。该系统及方法通过服务资源登记模块初始化云平台可用资源数量，服务资源分配模块结合新增租户等级、具体需求、其他当前相似租户的服务需求、以及云平台当前运行状态，为新增租户分配服务资源；由服务资源监测模块实时监测所有活动租户的实时需求，以及云平台当前运行状态，并实时记录平台运行状态到日志文件；由服务资源调节模块结合云平台运行状态调整租户服务资源；由服务资源回收模块收回服务资源；由云平台日志登记与回滚模块根据日志文件重启并回滚崩溃前的租户任务。本系统及方法实现了对云平台基础设施、平台使用权、软件运行权等服务资源的动态实时管理。
-
公开(公告)号：CN113409328B
公开(公告)日：2024-01-02
申请号：CN202110614499.5
申请日：2021-06-02
Applicant: 东北大学
Abstract: 本公开实施例涉及一种CT图像的肺动静脉分割方法、装置、介质及电子设备，其方法包括：对预先获取的胸部CT图像进行预处理，得到所述胸部CT图像中的肺部区域范围；基于所述胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；对所述肺血管图像，通过区域生长法进行图像分割得到肺动脉图像和不包含动脉的待分割静脉图像；对所述待分割静脉图像，通过区域生长法进行图像分割，得到肺静脉图像；基于所述肺部区域范围，对所述肺动脉图像和所述肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。通过本申请的肺动静脉分割方法，分割结果准确度高，能够满足临床应用需求。(56)对比文件Wenjun Tan.Segmentation of pulmonaryvessels based on MSFM method《.IEEE》.2021,全文.Punam K. Saha.TopomorphologicSeparation of Fused Isointensity Objectsvia Multiscale Opening: SeparatingArteries and Veins in 3-D Pulmonary CT.《IEEE》.2010,全文.耿欢;覃文军;杨金柱;曹鹏;赵大哲.基于CT影像的肺组织分割方法综述.计算机应用研究.2016,(07),全文.
-
公开(公告)号：CN111028201B
公开(公告)日：2023-10-27
申请号：CN201911108341.X
申请日：2019-11-13
Applicant: 东北大学
Abstract: 本发明提供一种基于多尺度水平集的眼底血管图像分割系统及方法，涉及图像处理技术领域。本发明包括输入模块、预处理模块、尺度构建模块、水平集模块以及输出模块；本发明改进了现有的基于局部特征的水平集方法。眼底血管粗细不一，使用单一尺度控制血管分割粒度导致血管分割精度不高问题。基于血管粗细不一的特点，为每个像素点找到最佳的响应尺度，即粗细不一的血管的尺度不同，克服粗细不均血管的漏分、错分等问题，因此增强了分割方法的鲁棒性，应用该方法能够得到精确的图像分割结果。
-
公开(公告)号：CN116704069A
公开(公告)日：2023-09-05
申请号：CN202310791675.1
申请日：2023-06-30
Applicant: 东北大学
IPC: G06T11/00 , A61B6/03 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于定位像的个性化CT低剂量扫描协议生成系统，涉及低剂量CT图像技术领域。该系统利用深度学习方法实现CT低剂量扫描协议生成；通过输入扫描定位像以及被允许的剂量值来确定最优的扫描参数，并利用深度学习重建模型实现在固定辐射剂量需求下最优的CT图像质量；包括获取正、侧位定位像的定位像采集模块、由操作技术人员用来设定被允许剂量值的扫描操作设定模块以及扫描协议生成计算模块。扫描协议生成计算模块根据正、侧位定位像以及低剂量标定值生成CT扫描协议；利用深度学习模型在CT扫描协议下重建高质量低剂量CT图像；根据扫描部位对CT图像重建结果进行模拟，并预测评分。该系统能够端对端的实现CT低剂量扫描协议的自动生成。
-
公开(公告)号：CN116310587A
公开(公告)日：2023-06-23
申请号：CN202310378398.1
申请日：2023-04-11
Applicant: 东北大学
IPC: G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种基于生成式回放的持续学习图像分类方法，涉及持续学习和计算机视觉技术领域。该方法使用图像分类网络持续地学习图像分类任务；使用图像生成网络学习当前任务图像的分布，并在新任务到来时，生成已学任务的图像作为回放数据，缓解图像分类网络在持续学习过程中的灾难性遗忘问题。该方法采用Teacher‑Student架构，将第t‑1个任务的图像分类网络作为Teacher模型，并用其参数初始化任务Tt的图像分类网络，作为Student模型；Teacher模型在后续训练中固定不变，用来辅助Student模型的训练，使Student模型能记住旧知识。该方法在新任务到来时，利用图像生成网络生成历史任务的伪数据，使得模型在学习新任务时，获得区分新旧任务知识的能力。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.02 seconds)
