-
公开(公告)号:CN118196120A
公开(公告)日:2024-06-14
申请号:CN202410388912.4
申请日:2024-04-01
Applicant: 吉林大学第一医院
IPC: G06T7/11 , G06T7/73 , G06T7/00 , G06N3/0464 , G06N3/0455
Abstract: 本申请公开了一种人脑部缰核结构分割方法、装置、电子设备及存储介质,属于数据处理技术领域,其中,人脑部缰核结构分割方法包括:获取脑部的MP2RAGE序列磁共振数据,MP2RAGE序列磁共振数据包括UNI磁共振数据和T1mapping磁共振数据;将MP2RAGE序列磁共振数据输入到训练好的深度学习分割网络,得到人脑部缰核结构分割结果,深度学习分割网络基于交叉注意力机制构建而成。该方法利用训练好的深度学习分割网络实现了缰核结构的快速、精准分割,不再依赖人工提取,并且该模型结合交叉注意力机制利用跨模态之间的互补信息,基于不同模态的磁共振影像对缰核结构进行分割,实现了人脑部缰核结构的精准定位及分割。
-
公开(公告)号:CN111599464A
公开(公告)日:2020-08-28
申请号:CN202010401516.2
申请日:2020-05-13
Applicant: 吉林大学第一医院
Abstract: 本发明提供了一种基于直肠癌影像组学研究的新型多模态融合辅助诊断方法,包括:步骤一、获取直肠癌多种模态的医学影像,并进行预处理;步骤二、对预处理之后的医学影像进行分层分割,并获取每一层医学影像对应的感兴趣区域;步骤三、对每一种模态医学影像的每一个感兴趣区域进行特征提取,获取对应的高维影像组学特征;步骤四、对所获取样本及对应获取得到的高维影像组学特征进行随机划分得到训练集和测试集,并在训练组数据内进行特征降维;步骤五、基于T2加权成像、弥散加权成像及CT影像的低维影像组学特征,分别构建影像组学标签;步骤六、对所获得的各个标签进行系数加权,经线性组合后得到多模态融合影像组学评分,用于直肠癌辅助诊断。
-
公开(公告)号:CN110517241A
公开(公告)日:2019-11-29
申请号:CN201910781301.5
申请日:2019-08-23
Applicant: 吉林大学第一医院
Abstract: 本发明公开了一种基于核磁成像IDEAL-IQ序列全自动腹部脂肪定量分析的方法,包括以下步骤:S1:构建带有标注的核磁成像IDEAL-IQ序列腹部影像作为深度学习训练样本集和测试样本集。本发明的计算算法包括机器学习中的U-Net深度学习网络、3D U-Net深度学习网络以及无监督AFKMC2聚类方法,本发明的算法需要用到IDEAL-IQ序列中脂像和水像,其中,3D U-Net深度学习网络和U-Net深度学习网络分别用于分割脂像中皮下脂肪轮廓以及水像中腹膜腔轮廓,无监督AFKMC2聚类方法用于分割脂像中内脏脂肪轮廓,本发明可得到准确率更高,速度更快的全自动定量腹部脂肪组织结果。
-
公开(公告)号:CN117058172B
公开(公告)日:2025-01-14
申请号:CN202311074616.9
申请日:2023-08-24
Applicant: 吉林大学第一医院
IPC: G06T7/11 , G06T3/4038 , G06V10/26 , G06V10/764
Abstract: 本申请公开了一种CT图像多区域的分割方法、装置、电子设备及存储介质,属于CT图像处理技术领域,其中,CT图像多区域的分割方法包括:获取CT图像,CT图像为包括多个区域的3D图像;将CT图像输入训练好的分割模型中,得到多区域粗分割标签;将多区域粗分割标签与CT图像进行点积,得到仅含有前景信息的待分类图像;将待分类图像输入多标签分类网络中,得到多标签分类结果。该方法简单、高效并且可以较为精准进行分割及分类,有助于后续的CT图像判断。
-
公开(公告)号:CN119295495A
公开(公告)日:2025-01-10
申请号:CN202411836852.4
申请日:2024-12-13
Applicant: 吉林大学第一医院
IPC: G06T7/11 , G06T5/70 , G06T5/60 , G06N3/0455 , G06N3/088
Abstract: 本发明公开了一种跨模态医学图像分割方法及系统,包括:对模态A图像集中的图像进行像素级标注,并将模态A图像集上得到的像素级标签根据模态B图像集的图像分辨率进行调整;对调整后的像素级标签进行划分,将干净标签图像和噪声标签图像进行混合学习训练,优化图像分割模型;对模态A图像进行自动分割;基于得到的像素级分割结果,自动生成相应的分割边界框;将边界框调整至模态B图像的分辨率;基于调整后的边界框得到的模态B图像上的像素级分割结果,判断所标注的边界框是否为冗余,对经过冗余判断的边界框进行位置调整,得到调整后的分割图像。本发明提高了跨模态分割的效率和准确度,能够有效的跨模态分割的应用性。
-
公开(公告)号:CN111599464B
公开(公告)日:2023-12-15
申请号:CN202010401516.2
申请日:2020-05-13
Applicant: 吉林大学第一医院
Abstract: 本发明提供了一种基于直肠癌影像组学研究的新型多模态融合辅助诊断方法,包括:步骤一、获取直肠癌多种模态的医学影像,并进行预处理;步骤二、对预处理之后的医学影像进行分层分割,并获取每一层医学影像对应的感兴趣区域;步骤三、对每一种模态医学影像的每一个感兴趣区域进行特征提取,获取对应的高维影像组学特征;步骤四、对所获取样本及对应获取得到的高维影像组学特征进行随机划分得到训练集和测试集,并在训练组数据内进行特征降维;步骤五、基于T2加权成像、弥散加权成像及CT影像的低维影像组学特征,分别构建影像组学标签;步骤六、对所获得的各个标签进行系数加权,经(56)对比文件陈民宁.肾细胞癌的不典型CT、MR表现及鉴别诊断.中国继续医学教育.2018,全文.XM Guo.Value of Multi-MR Techniquesin Diagnosis of Prostate Cancer. ChineseComputed Medical Imaging.2008,全文.董雨桐.MSCT胃多期增强及重建精准诊断异位胰腺1例《.中国实验诊断学》.2019,
-
公开(公告)号:CN115980114A
公开(公告)日:2023-04-18
申请号:CN202211466609.9
申请日:2022-11-22
Applicant: 吉林大学第一医院
Abstract: 本发明公开了一种直肠癌病理取材辅助定位装置及其定位方法,包括:联动装置,包括托板、X轴底座和Y轴底座,所述X轴底座和Y轴底座固定连接,所述托板设置在X轴底座和Y轴底座的上方,其中,所述X轴底座和Y轴底座上表面均开有两条平行的槽,槽内安装有滑轨,所述滑轨上设置有滑块,所述滑块与挡板可拆卸连接,所述托板对应滑轨的位置开有供滑块移动的通道;坐标定位板,所述坐标定位板对应设置在托板上方。过联动装置固定术后标本,配合坐标定位板对肿瘤浸润最深位置、系膜内血管、淋巴结、癌结节等取材点进行精确定位,可明确指示病理科医生精准取材,节约取材时间,提高取材效率,避免漏诊。
-
公开(公告)号:CN111598859A
公开(公告)日:2020-08-28
申请号:CN202010401186.7
申请日:2020-05-13
Applicant: 吉林大学第一医院
Abstract: 本发明提供的基于CT影像组学的胸部淋巴结标准摄取值的检测方法,包括:步骤一、获取患者的PET-CT检查图像,并在PET-CT检查图像中的CT图像上勾画出淋巴结感兴趣区域;步骤二、对所述感兴趣区域进行影像组学特征提取,包括边缘特征和区域特征;步骤三、将所述边缘特征和区域特征进行预处理,步骤四、将所述具有相关性的特征值进行加权处理,并线性加和得到影像组学标签,用于预测标准摄取值,从而用于淋巴结良恶性的预测。本发明基于CT影像组学的胸部淋巴结标准摄取值的检测方法通过手动勾画淋巴结感兴趣区域,并对感兴趣区域进行特征提取,通过相关性分析筛选与标准摄取值高度相关的特征后,通过线性加权计算得到影像组学标签用于标准摄取值的预测。
-
公开(公告)号:CN116089637A
公开(公告)日:2023-05-09
申请号:CN202310113890.6
申请日:2023-02-14
Applicant: 吉林大学第一医院
Abstract: 本发明公开了一种数据管理方法、系统及服务器,涉及数据管理技术领域,将多条存储数据存储于预设影像信息管理库中进行统一管理,各存储数据包括唯一对象标识信息及存储信息本体,且存储信息本体为基于预设数据上传管理策略对待存储影像数据进行处理后得到,则在接收到与此次执行目标动作对应的目标对象信息时,基于该预设影像信息管理库,对其中与目标对象信息对应的目标存储数据执行目标动作,利于对影像数据进行统一管理,方便检索、统计及获取数据,利于实际应用。
-
公开(公告)号:CN115855557A
公开(公告)日:2023-03-28
申请号:CN202211581742.9
申请日:2022-12-09
Applicant: 吉林大学第一医院
Abstract: 本申请公开了一种辅助取材方法及辅助取材装置,属于医疗器械技术领域,其中,辅助取材方法,包括:对被取样者进行核磁共振成像,得到目标器官的目标区域坐标;将目标器官标本放入辅助取材装置,连同辅助取材装置再次进行核磁共振成像,将目标区域坐标转换到辅助取材装置上,得到目标器官标本的目标区域定位;根据目标区域定位利用辅助取材装置对目标区域进行取材。该方法实现了体内目标器官标本的精准切割,提高了样本的取材精准度。
-
-
-
-
-
-
-
-
-