-
公开(公告)号：CN111784704B
公开(公告)日：2023-11-24
申请号：CN202010589474.X
申请日：2020-06-24
Applicant: 中国人民解放军空军军医大学 , 西安电子科技大学
IPC: G06T7/11 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种MRI髋关节炎症分割与分类自动定量分级序贯方法，解决了髋关节形状、大小、体素值分布不均匀致髋关节炎症区域定量、分级困难的问题,实现髋关节炎症区域自动化精确定量及分级评估。本发明根据体素值大小以反指数比例修改髋关节炎症区域标签值，减轻髋关节炎症区域体素值差异大导致的分割结果差的问题；本发明设计多尺度卷积模块GMS提升形状尺寸差异大的髋关节炎症区域的分割效果；针对占比小的髋关节炎症区域难以分类的问题，本发明融合了分割模型与分类模型以提升分类精度。本发明实现对多尺度、体素值差异大的髋关节炎症区域的一体化自动定量分级，提升定量分级效率。可用于MRI髋关节炎症区域定量和分级自动化处理。
-
公开(公告)号：CN111784704A
公开(公告)日：2020-10-16
申请号：CN202010589474.X
申请日：2020-06-24
Applicant: 中国人民解放军空军军医大学 , 西安电子科技大学
Abstract: 本发明公开了一种MRI髋关节炎症分割与分类自动定量分级序贯方法，解决了髋关节形状、大小、体素值分布不均匀致髋关节炎症区域定量、分级困难的问题,实现髋关节炎症区域自动化精确定量及分级评估。本发明根据体素值大小以反指数比例修改髋关节炎症区域标签值，减轻髋关节炎症区域体素值差异大导致的分割结果差的问题；本发明设计多尺度卷积模块GMS提升形状尺寸差异大的髋关节炎症区域的分割效果；针对占比小的髋关节炎症区域难以分类的问题，本发明融合了分割模型与分类模型以提升分类精度。本发明实现对多尺度、体素值差异大的髋关节炎症区域的一体化自动定量分级，提升定量分级效率。可用于MRI髋关节炎症区域定量和分级自动化处理。
-
公开(公告)号：CN116819087A
公开(公告)日：2023-09-29
申请号：CN202310550962.3
申请日：2023-05-16
Applicant: 中国人民解放军空军军医大学
IPC: G01N33/68 , G01N33/577
Abstract: 本发明提供了一种用于诊断IgG4相关性疾病检测试剂盒及其应用；包括：抗体的染料配对：IgG4抗体‑PPD520、IgG抗体‑PPD650和CD38抗体‑PPD570，抗体稀释液，辣根过氧化物酶标记的山羊抗兔/鼠通用二抗，信号放大液，核染料，非免疫动物血清，封片剂，抗原修复液和洗液。本发明有效成分将诊断IgG4‑RD的关键指标IgG4、IgG、CD38在一张切片上进行显示，并通过采图和算法进行数据提取和计算，能够客观快捷的显示IgG4+细胞计数、IgG+细胞计数并计算出IgG4/IgG比例、IgG4/CD38比例。本发明具有可靠的染色结果，并且数据客观准确，克服了传统诊断中的因复杂性与主观因素影响数据准确性的技术问题。
-
公开(公告)号：CN113763340A
公开(公告)日：2021-12-07
申请号：CN202110984170.8
申请日：2021-08-25
Applicant: 中国人民解放军空军军医大学
Abstract: 本公开提供一种基于多任务深度学习强直性脊柱炎的自动分级方法，涉及图像处理技术领域，所述方法包括获取目标样本数据集；根据目标样本数据集构建髋关节间隙目标识别网络和基于全局注意力的髋关节间隙分割网络；根据髋关节间隙目标识别网络和髋关节间隙分割网络对多个预处理后的2D髋部正位X光片图像进行目标识别检测和分割，得到髋关节间隙分割结果；对髋关节间隙分割结果进行边缘提取处理，得到髋关节间隙轮廓曲线；对髋关节间隙轮廓曲线进行距离测量，得到测量结果；根据预设评分系统对测量结果进行病症分级。本公开实现了基于多任务深度学习的髋关节X光片对强直性脊柱炎病症的自动化分级，提高了髋关节间隙测量的自动化程度和准确性。
-
公开(公告)号：CN113763340B
公开(公告)日：2024-07-02
申请号：CN202110984170.8
申请日：2021-08-25
Applicant: 中国人民解放军空军军医大学
IPC: G06T7/00 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G16H50/20
Abstract: 本公开提供一种基于多任务深度学习强直性脊柱炎的自动分级方法，涉及图像处理技术领域，所述方法包括获取目标样本数据集；根据目标样本数据集构建髋关节间隙目标识别网络和基于全局注意力的髋关节间隙分割网络；根据髋关节间隙目标识别网络和髋关节间隙分割网络对多个预处理后的2D髋部正位X光片图像进行目标识别检测和分割，得到髋关节间隙分割结果；对髋关节间隙分割结果进行边缘提取处理，得到髋关节间隙轮廓曲线；对髋关节间隙轮廓曲线进行距离测量，得到测量结果；根据预设评分系统对测量结果进行病症分级。本公开实现了基于多任务深度学习的髋关节X光片对强直性脊柱炎病症的自动化分级，提高了髋关节间隙测量的自动化程度和准确性。
-
Patent Agency Ranking
公开(公告)号：CN119006465A
公开(公告)日：2024-11-22
申请号：CN202411483439.4
申请日：2024-10-23
Applicant: 中国人民解放军空军军医大学
Abstract: 本公开提供一种髋关节X光片骨间隙自动分割测量与分级方法，主要解决现有方法存在人工干预的主观性以及效率和准确度不高的问题。其实现方案为：划分数据集；分别构建髋关节间隙目标识别网络和髋关节间隙分割网络；利用数据增强与预处理提升模型对髋关节间隙的判别性能；基于卷积神经网络对髋关节X光片进行目标识别获得待分割区域图像并识别骨间隙达到四级病症的患者；利用髋关节间隙分割网络对待分割区域进行分割，再使用边缘提取方法获得间隙轮廓并进行距离测量，对自动测量结果进行病情分级。本公开提出的方法，打破了仅局限于骨骼分割的方式，提高了髋关节间隙测量的自动化程度和准确性，可用于髋关节炎、强直性脊柱炎等疾病的自动化分级。
-
公开(公告)号：CN112522295A
公开(公告)日：2021-03-19
申请号：CN202011554479.5
申请日：2020-12-24
Applicant: 中国人民解放军空军军医大学
IPC: C12N15/62 , C12N15/867 , C12N5/10 , A61K35/17 , A61P35/00
Abstract: 本发明公开了一种靶向人EpCAM的重组CAR基因及其载体、CAR‑T细胞及其制备方法和应用，该CAR‑T细胞在T细胞内表达人源化抗EpCAM抗体ScFv‑CD8‑4‑1BB‑CD3ζ的融合蛋白。所述EpCAMhScFv‑CD8‑4‑1BB‑CD3ζ中，EpCAMhScFv可特异性识别结合人EpCAM蛋白。通过慢病毒感染活化的T细胞对其进行修饰和改造，制备了一批能够特异性识别和杀伤高表达EpCAM的肿瘤细胞的CAR‑T细胞，可应用于高表达EpCAM的肿瘤治疗，为其预防和治疗提供了新方法。
-
公开(公告)号：CN116982965A
公开(公告)日：2023-11-03
申请号：CN202310942160.7
申请日：2023-07-29
Applicant: 中国人民解放军空军军医大学
IPC: A61B5/091
Abstract: 本发明公开了一种间质性肺疾病检测装置，涉及肺疾病检测技术领域，包括底板下分别设有四个移动滚轮，移动滚轮上设有锁止片；底板上分别设有四个支撑外筒，四个支撑外筒之间设有同一支撑板，支撑板下设有驱动件，支撑板上设有第三壳体，支撑外筒内滑动的设有支撑内筒，支撑外筒和支撑内筒之间设有高度调节装置，四个支撑内筒上设有同一横板，横板上设有第二壳体，第二壳体一侧设有第一壳体；第一壳体上设有第四壳体，第四壳体内设有排气装置；本发明结构简单可靠，对间质性肺疾病检测效果好，控制方便，适于推广。
-
公开(公告)号：CN118194698A
公开(公告)日：2024-06-14
申请号：CN202410222965.9
申请日：2024-02-28
Applicant: 西安电子科技大学
IPC: G06F30/27 , G01S7/41 , G06F18/10 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于U‑Net语义分割的同型雷达中频信号分选模型的训练方法和同型雷达中频信号分选方法，通过采用仿真软件仿真生成同型雷达中频信号数据集；对中频信号数据集进行预处理，得到目标数据，并按照预设规则将目标数据集划分为训练集、验证集和测试集；构建基于U‑Net语义分割的同型雷达中频信号分选模型；根据训练集、验证集和测试集，依次对基于U‑Net语义分割的同型雷达中频信号分选模型进行训练、验证和评估，以得到训练好的模型，该模型能够利用相对成熟的语义分割技术进行同型雷达信号分选，克服了传统分选算法参数测量错误的问题，提高分选准确率。
-
公开(公告)号：CN113759323B
公开(公告)日：2024-02-06
申请号：CN202110815494.9
申请日：2021-07-19
Applicant: 西安电子科技大学
IPC: G01S7/38
Abstract: 本发明公开了一种基于改进K‑Means联合卷积自编码器的信号分选方法，包括：获取不同PRI调制类型的雷达对应的若干TOA序列；构建卷积自编码器，并利用TOA序列对其进行训练，得到若干训练好的卷积自编码器；对不同PRI调制类型的雷达信号进行仿真，得到混合PDW序列；基于改进的K‑Means聚类算法对混合PDW序列进行预分选，得到预分选后的TOA序列；利用训练好的卷积自编码器对预分选后的TOA序列进行脉冲提取，得到信号分选结果。本发明提供的信号分选方法适用于复杂环境下的雷达信号分选，提高了信号分选准确率和分选效率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.061 seconds)
