-
公开(公告)号：CN119600039A
公开(公告)日：2025-03-11
申请号：CN202411444778.1
申请日：2024-10-16
Applicant: 吉林大学第一医院
Abstract: 本申请公开了一种基于医学核磁影像的膝骨关节炎关键部位分割方法及装置，属于图像处理技术领域，其中，基于医学核磁影像的膝骨关节炎关键部位分割方法包括：获取膝骨关节的医学核磁影像；将医学核磁影像输入到卷积神经网络，提取医学核磁影像的第一高阶特征；将与医学核磁影像相同空间大小的3D高斯噪声或含有一定比例高斯噪声的医学核磁影像3D分割标签及第一高阶特征输入扩散网络，得到第二高阶特征；将膝骨关节的关键结构的位置描述和亚结构关系描述文本输入预训练大语言模型，得到文本特征向量；将第一高阶特征、第二高阶特征及文本特征向量进行融合对齐，得到融合特征；将融合特征输入扩散网络，得到膝骨关节的分割标签。
-
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：CN115410045A
公开(公告)日：2022-11-29
申请号：CN202211133439.2
申请日：2022-09-18
Applicant: 吉林大学第一医院
IPC: G06V10/764 , G06N20/00 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种体素可视化方法、装置、电子设备及可读存储介质，属于医学影像技术领域。所述体素可视化方法用于医学影像，其特征在于，包括：获得医学影像中的设定区域的影像组学特征标签；以所述设定区域的影像组学特征标签中的每个第一体素为单位建立相应的多个第一图像矩阵；根据所述第一图像矩阵和机器学习模型，获得所述设定区域的每个第一体素的预测概率；将所述设定区域的每个第一体素替换为相应的所述预测概率；将替换后的所述设定区域通过热图映射到所述医学影像。从而解决了现有的体素可视化只生成设定区域内部单个体素的单种影像组学特征值，并不能融合多个影像组学特征进行可视化的问题。
-
Patent Agency Ranking
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：CN111462116A
公开(公告)日：2020-07-28
申请号：CN202010401162.1
申请日：2020-05-13
Applicant: 吉林大学第一医院
Abstract: 本发明公开了一种基于影像组学特征的多模态参数模型优化融合方法，包括：获取多种模态的医学影像，并对所述医学影像进行预处理；对预处理之后的医学影像进行区域分割，获取每一种模态医学影像对应的感兴趣区域；获取每一个感兴趣区域对应的高维影像组学特征；对所述高维影像组学特征进行划分得到训练集和测试集，并分别进行梯度降维得到低维影像组学特征标签；利用低维影像组学特征标签作为交叉训练数据集，利用不同算法训练多个候选参数模型；本发明通过绘制受试者工作特征曲线并计算所述受试者工作特征曲线下区域面积均值，并将所述区域面积均值最高者确定为最优参数模型，能够有效提取图像特征，以实现最大限度地挖掘医学影像信息。
-
公开(公告)号：CN119600097A
公开(公告)日：2025-03-11
申请号：CN202411444777.7
申请日：2024-10-16
Applicant: 吉林大学第一医院
IPC: G06T7/73 , G06V10/75 , G06V10/74 , G06V10/766 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/08 , G16H15/00 , G16H30/20 , G06V30/41 , G06V30/19
Abstract: 本申请公开了一种CT图像的关键结构定位及结构化报告输出方法及装置，属于数据处理技术领域，其中，CT图像的关键结构定位及结构化报告输出方法包括：获取3D的CT图像；将CT图像输入训练好的视觉编码器，得到高阶视觉特征向量；基于构建好的向量数据库，匹配高阶视觉特征向量的相似图像，得到匹配相似图像及原始结构化报告文本；将高阶视觉特征向量、匹配相似图像及原始结构化报告文本输入训练好的大语言模型解码器，得到初步结构化报告；将初步结构化报告输入训练好的关键结构定位模型，得到带有位置坐标的结构化报告。该方法可以有效提升模型对结构化文本的输出精度以及定位精度，并有助于后续关键结构的指标测量。
-
公开(公告)号：CN118644441A
公开(公告)日：2024-09-13
申请号：CN202410659468.5
申请日：2024-05-27
Applicant: 吉林大学第一医院
IPC: G06T7/00 , G06T7/136 , G06T7/11 , G06T3/4038 , G06N3/0455 , G06N3/047 , G06N3/0464
Abstract: 本申请公开了一种CT图像的交互式分割方法、装置、电子设备及存储介质，属于图像处理技术领域，其中，CT图像的交互式分割方法包括：获取待分割CT图像、参考CT图像及参考CT图像的感兴趣区域二值图像；将待分割CT图像、参考CT图像及感兴趣区域二值图像输入第一U型架构，得到待分割CT图像的第一分割结果；将第一分割结果与待分割CT图像拼接，形成二通道图像；将二通道图像输入第二U型架构，得到第二分割结果。该方法无需大量标注数据，通过引入参考CT图像及参考CT图像的感兴趣区域二值图像，便可以实现对待分割CT图像的感兴趣区域的精准分割；另外，该方法通过将分割模型设计成双U型架构，也进一步提升了图像的分割精度。
-
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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
