-
公开(公告)号：CN118334356B
公开(公告)日：2024-08-20
申请号：CN202410770022.X
申请日：2024-06-14
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/096 , G16H30/40 , G16H50/20
Abstract: 本发明涉及医学图像处理技术领域，具体涉及基于迁移学习的MRI成像中脂肪和肌肉区域自动分割方法，包括以下步骤：基于TransUNet模型进行训练，得到在CT成像中对脂肪和肌肉区域进行自动分割的CT图像分割模型；基于MRI单采集多相位序列图像和图像中脂肪和肌肉区域的真实标注，对所述CT图像分割模型进行迁移学习，得到在MRI图像中对脂肪和肌肉区域进行自动分割的MRI图像单采集多相位分割模型。本发明利用迁移学习能够节省人工标注样本时间的特点，通过CT成像中脂肪和肌肉区域的全自动分割向MRI图像少标注数据的迁移，进而训练得到基于MRI四相位图像的高准确性分割模型，提升了MRI成像中脂肪和肌肉区域的全自动分割的精准性。
-
公开(公告)号：CN116402757A
公开(公告)日：2023-07-07
申请号：CN202310224955.4
申请日：2023-03-08
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本申请提供了一种提取并分区多模影像图像中成分参数的方法，用于为腹部CT检查和腹部MR检查，提供了一套自动分割其图像的分割方案，尤其是分割结果里除了脂肪组织还涉及本申请特别配置的骨骼和骨骼肌，由此可以为相关的检查结果分析提供更为精细化、更为丰富的强有力数据支持。方法包括：获取腹部CT检查的Dicom文件和腹部MR检查的Dicom文件；对腹部CT检查的Dicom文件和腹部MR检查的Dicom文件进行分割，得到分割参考结果，其中，分割过程中的分割对象包括脂肪组织、骨骼和骨骼肌，脂肪组织包括皮下脂肪和内脏脂肪；通过分割参考结果训练3D U‑Net卷积神经网络；利用3D U‑Net卷积神经网络对当前Dicom文件进行分区分割，得到分割结果。
-
公开(公告)号：CN119170272A
公开(公告)日：2024-12-20
申请号：CN202411223645.1
申请日：2024-09-02
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本申请公开一种出血风险评估方法、装置、设备和计算机可读存储介质，该方法包括：对患者的目标身体区域进行影像扫描，获得目标医学影像；提取所述目标医学影像对应的出血特征信息；基于所述出血特征信息对所述患者进行出血风险评估，确定出血风险等级。通过对基于医学影像对应的出血特征信息对所述患者进行出血风险评估，确定出血风险等级，避免医护人员手动对医学影像进行分析容易导致操作失误，提高出血风险评估的准确度。
-
公开(公告)号：CN118334356A
公开(公告)日：2024-07-12
申请号：CN202410770022.X
申请日：2024-06-14
Applicant: 华中科技大学同济医学院附属同济医院
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/096 , G16H30/40 , G16H50/20
Abstract: 本发明涉及医学图像处理技术领域，具体涉及基于迁移学习的MRI成像中脂肪和肌肉区域自动分割方法，包括以下步骤：基于TransUNet模型进行训练，得到在CT成像中对脂肪和肌肉区域进行自动分割的CT图像分割模型；基于MRI单采集多相位序列图像和图像中脂肪和肌肉区域的真实标注，对所述CT图像分割模型进行迁移学习，得到在MRI图像中对脂肪和肌肉区域进行自动分割的MRI图像单采集多相位分割模型。本发明利用迁移学习能够节省人工标注样本时间的特点，通过CT成像中脂肪和肌肉区域的全自动分割向MRI图像少标注数据的迁移，进而训练得到基于MRI四相位图像的高准确性分割模型，提升了MRI成像中脂肪和肌肉区域的全自动分割的精准性。
-
-
-
Search Results
4
records
(took 0.055 seconds)
