“耿道颖”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果48个，建议您升级VIP下载更多相关专利

[发明专利]基于CT图像的骨密度预测及骨质疏松智能筛查方法和系统-CN202310323524.3在审
发明人：杨丽琴;辛恩慧;罗啸;耿道颖 -专利权人：复旦大学附属华山医院
申请日： 2023-03-29 - 公布日： 2023-07-14 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于CT图像的骨密度预测及骨质疏松智能筛查方法和系统，包括：进行腰椎CT切片选择，得到目标切片；基于深度卷积神经网络框架构建腰椎椎体自动分割模型，模型输入为目标切片，输出为腰椎椎体的二值分割结果图以及对应的腰椎区域图；基于深度卷积神经网络框架构建腰椎骨密度预测模型，模型输入为双通道图像，输出为腰椎的骨密度值，所述双通道图像由目标切片和腰椎区域图处理后构建；根据骨密度值进行骨质疏松症智能筛查；根据筛查结果以及健康人群骨密度值的统计数据，形成骨质疏松症智能筛查报告。本发明能够有效地完成骨密度的预测和OP的早期筛查，预防骨质疏松性骨折的发生，实现更快捷方便的骨质疏松症筛查。
基于 ct 图像密度预测骨质疏松智能方法系统

[发明专利]面向胶质瘤多任务一体化网络的改进粒子群参数优化方法-CN202210611738.6有效
发明人： 耿道颖;余荔恒;于泽宽;朱静逸;陈卫强;李强 -专利权人：复旦大学;粤港澳大湾区精准医学研究院（广州）
申请日： 2022-05-31 - 公布日： 2023-06-20 - 主分类号： G06N3/006 文献下载
摘要：本发明提供了一种面向胶质瘤多任务一体化网络的改进粒子群参数优化方法，包括：步骤1：构建脑胶质瘤患者数据集：步骤2：进行数据预处理；步骤3：构建多任务学习框架；步骤4：构建多任务损失函数；步骤5：通过改进的粒子群优化算法对多任务学习框架进行优化训练，得到损失函数中两个任务的最佳权重；步骤6：在网络中载入训练集，确定网络模型的参数，得到训练好的网络模型并保存，载入训练好的网络模型，输入测试集进行预测，得到结果并根据标签计算各评价指标值。本发明使用改进的粒子群优化算法可以根据粒子适应度来调节惯性权重，实现惯性权重的自适应调整。
面向胶质任务一体化网络改进粒子参数优化方法

[发明专利]一种面向热害职业危害的健康智能监测方法、设备及存储介质-CN202211461658.3有效
发明人：于泽宽;耿道颖;金倞;叶梦雯;杨嘉城 -专利权人：复旦大学
申请日： 2022-11-17 - 公布日： 2023-06-13 - 主分类号： G01D21/02 文献下载
摘要：本发明属于健康智能监测技术领域，具体公开一种面向热害职业危害的健康智能监测方法、设备及存储介质，该面向热害职业危害的健康智能监测方法包括环境信息采集、环境信息分析、人员基本信息采集、人员散热分析、人员温度采集、人员散热平衡分析、人员温度分析、人员作业安全分析和危险预警，通过对矿井下作业区域的环境信息进行采集和分析，进而对作业人员的着装情况和温度进行采集与分析，从而对作业人员的作业状态进行分析，解决了当前技术没有对作业人员的工作服装进行监测与分析的问题，实现了矿井下作业人员的安全状态监测与分析，有效的保障了作业人员的作业健康与安全，提高了作业人员的工作效率和效果同时也保障了矿井生产的安全。
一种面向热害职业危害健康智能监测方法设备存储介质

[发明专利]基于深度学习的阿尔茨海默分类系统-CN202210513470.2有效
发明人： 耿道颖;周锟;于泽宽;朴思蓉 -专利权人：复旦大学;粤港澳大湾区精准医学研究院（广州）
申请日： 2022-05-11 - 公布日： 2023-06-09 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于深度学习的阿尔茨海默分类系统，包括：模块M1：获取AD多模态数据并进行预处理，得到预处理后的AD多模态数据；模块M2：将预处理后的AD多模态数据按照预设比例分为训练集及测试集；模块M3：构建联合网络模型，包括MAM U‑net分割网络和T‑DenseNet分类网络；模块M4：利用训练集训练联合模型直至损失函数收敛，得到训练后的联合模型；模块M5：利用测试集通过训练后的联合模型进行预测，并根据预测结果和预设标注信息计算准确率，如果准确率未达到预设要求，则重复触发模块M4至模块M5直至准确率达到预设要求。
基于深度学习阿尔茨海默分类系统

[发明专利]一种多参数磁共振图像全自动配准与分割方法-CN202010023904.1有效
发明人：夏威;李郁欣;尹波;胡斌;杨丽琴;高欣;耿道颖 -专利权人：复旦大学
申请日： 2020-01-09 - 公布日： 2023-05-30 - 主分类号： G06T7/33 文献下载
摘要：本发明涉及一种多参数磁共振图像全自动配准与分割方法，包括配准模型与分割模型的联合训练：(1)以多参数磁共振图像中的一个序列为参考图像，其他序列为浮动图像，构建以参考图像为基准并对浮动图像进行配准的配准模型，建立基于图像灰度相似性测度的配准损失函数；(2)构建对参考图像和浮动图像进行目标分割的分割模型，建立关于参考图像与浮动图像的分割损失函数；(3)构建衡量分割模型对参考图像和浮动图像分割结果轮廓相似性的轮廓相似性损失函数以及融合灰度信息与轮廓信息的联合损失函数；(4)交替训练配准模型和分割模型直到满足收敛条件。与现有技术相比，本发明配准与分割可相互促进，有效提升配准与分割精度。
一种参数磁共振图像全自动分割方法

[发明专利]一种用于读片教学的医学影像浏览系统-CN201910416151.8有效
发明人：尹波;耿辰;谢秋晨;耿道颖 -专利权人：复旦大学附属华山医院
申请日： 2019-05-19 - 公布日： 2023-05-26 - 主分类号： G16H30/40 文献下载
摘要：本发明属于医学图像处理技术领域，具体为一种读片教学用医学影像浏览系统。本发明包括：数据库、业务服务器、前端软件三个部分；数据库用于存储医学影像文件数据、典型影像学表现患者信息数据等；业务服务器为负责与数据库、与前端软件通讯的中间件，与数据库具有增删改查的通讯，与前端软件具有双向通讯；业务服务器通过调用大数据分析模块与影像分析模块，进行增量数据的分析等；前端软件为系统与用户进行交互的软件，具有数据库信息显示、影像数据浏览、数据标记与标注等功能。本发明系统可避免重复标注，降低标注的错误率；能够从众多标注中筛选正确率最高的标注，将用户的临床经验更好地转换为信息；并能为临床诊疗标准的建立提供依据。
一种用于教学医学影像浏览系统

[发明专利]一种基于多任务学习的胶质瘤图像分类方法及系统-CN202310174891.1在审
发明人： 耿道颖;项睿;李郁欣;刘晓;罗啸;陈泓亦;周锟 -专利权人：复旦大学
申请日： 2023-02-24 - 公布日： 2023-05-23 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于多任务学习的胶质瘤图像分类方法及系统，该方法包括以下步骤：步骤S1、采集脑胶质瘤的多模态磁共振成像图像数据，将其分为训练集和测试集；步骤S2、构建基于多任务学习的多模态磁共振成像图像分类与分割联合网络，其损失函数为分割网络损失函数和分类网络损失函数的加权和；采用标注有肿瘤mask金标准的训练集对多模态磁共振成像图像分类与分割联合网络进行训练；步骤S3、采用训练好的多模态磁共振成像图像分类与分割联合网络对测试集进行图像分割与分类，输出胶质瘤多模态磁共振成像图像自动分割结果以及分类结果。与现有技术相比，本发明具有分类准确性高的优点。
一种基于任务学习胶质图像分类方法系统

[发明专利]CTA到MRA跨模态预测的颈动脉斑块识别方法及系统-CN202010523637.4有效
发明人： 耿道颖;于泽宽;张军;尹波;李郁欣;吴昊;耿岩;胡斌;杨丽琴;张晓龙;狄若愚 -专利权人：复影（上海）医疗科技有限公司
申请日： 2020-06-10 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于CTA到MRA跨模态预测的颈动脉斑块识别方法，包括以下步骤：数据收集步骤：收集配对的颈动脉CTA和MRA图像数据；斑块分割及模型训练步骤：先进行CTA和MRA颈动脉管腔的定位，然后进行颈动脉斑块的分割，获得CTA和MRA的斑块区域图像，将CTA和MRA的斑块区域图像送到pix2pix或者cycle‑GAN网络进行训练，获得初步训练后的模型。本发明设计完整、新颖的算法流程，使用改进的深度学习Multiplan‑net算法对CTA图像上的颈动脉管腔、斑块进行自动分割，在此基础上设计优化的对抗生成网络进行CTA数据扩增，从而进一步提高分割精度。
cta mra 跨模态预测颈动脉识别方法系统

[发明专利]MRI脑肿瘤图像生成方法及系统-CN202010430630.8有效
发明人： 耿道颖;于泽宽;李郁欣;尹波;张军;吴昊;耿岩;胡斌;杨丽琴 -专利权人：复影（上海）医疗科技有限公司
申请日： 2020-05-20 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种MRI脑肿瘤图像生成方法及系统，包括：步骤1：构建图像融合对抗生成的GAN网络；步骤2：构建重建图像内容的泊松方程插入算法；步骤3：根据所述图像融合对抗生成的GAN网络和重建图像内容的泊松方程插入算法对输入的3D核磁共振图像进行图像融合生成，将基于GAN网络的MRI图像生成、基于泊松方程编辑MRI融合效果叠加得到最终的图像扩增结果。本发明进行现有样本的数据扩增，增强训练模型的精度和泛化性，为脑肿瘤的诊断、治疗和医生模拟读片训练提供准确的依据。
mri 肿瘤图像生成方法系统

[发明专利]基于多模态图像融合的MRI肿瘤优化分割方法及系统-CN202010413904.2有效
发明人： 耿道颖;于泽宽;李郁欣;尹波;张军;吴昊;耿岩;胡斌;杨丽琴 -专利权人：复影（上海）医疗科技有限公司
申请日： 2020-05-15 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于多模态图像融合的MRI肿瘤优化分割方法及系统，包括：步骤1：构建MRI肿瘤多模态图像融合的网络；步骤2：构建用于增强肿瘤图像分割的多模态3D网络；步骤3：基于GAN的图像融合，构建显著性损失函数；步骤4：构建Mask注意机制对比度损失函数；步骤5：构建SSIM损失函数；步骤6：根据MRI肿瘤多模态图像融合的网络、多模态3D网络和三个损失函数进行MRI肿瘤优化分割。本发明当训练深层架构时，一个剩余单位会有所帮助；利用递归残差卷积层进行特征积累，为分割任务提供了更好的特征表示；为医学图像分割设计了具有相同网络参数、性能较好的U‑NET体系结构。
基于多模态图像融合 mri 肿瘤优化分割方法系统

[发明专利]一种基于深度学习的医学影像颈动脉血管分割方法和系统-CN202211482880.1在审
发明人：杨丽琴;罗啸;耿道颖;胡斌;周书怡;李郁欣 -专利权人：复旦大学;光华临港工程应用技术研发（上海）有限公司
申请日： 2022-11-24 - 公布日： 2023-02-24 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于深度学习的医学影像颈动脉血管分割算法和系统，所述方法通过对原始颈部医学影像数据的获取和预处理后，输入预训练的医学影像颈动脉血管检测网络进行血管定位，生成颈动脉血管定位框；然后将定位框对应的部分颈部医学影像，输入预训练的医学影像颈动脉血管分割网络进行血管分割，生成颈动脉血管分割结果；最后将颈动脉血管分割结果和原始颈部医学影像数据进行可视化展示。与现有技术相比，本发明具有分割准确性高的优点。
一种基于深度学习医学影像颈动脉血管分割方法系统

[发明专利]基于神经网络的原发性肝细胞癌病灶分割系统及方法-CN202210513459.6在审
发明人： 耿道颖;罗啸;杨丽琴;胡斌;耿岩;吕锟;李佩雯;李郁欣;尹波;张军;于泽宽 -专利权人：复旦大学;粤港澳大湾区精准医学研究院（广州）
申请日： 2022-05-11 - 公布日： 2023-01-17 - 主分类号： G06T7/10 文献下载
摘要：本发明提供了一种基于神经网络的原发性肝细胞癌病灶分割系统及方法，包括：模块M1：获取肝脏多期相CT数据并进行预处理，得到预处理后的肝脏多期相CT数据；模块M2：将预处理后的肝脏多期相CT数据通过第一个预训练的多通道卷积神经网络进行肝脏分割，得到肝脏区域的多期相CT数据；模块M3：将肝脏区域的多期相CT数据通过第二个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶筛查，获得含有原发性肝细胞癌病灶的多期相CT数据；模块M4：将含有原发性肝细胞癌病灶的多期相CT数据通过第三个预训练的多通道卷积神经网络进行原发性肝细胞癌病灶分割，得到原发性肝细胞癌病灶多期相分割结果。
基于神经网络原发性肝细胞癌病分割系统方法

[发明专利]脑肿瘤多模态MRI图像融合方法和系统-CN202210513479.3在审
发明人：刘晓;耿道颖;刘杰;于泽宽;杜鹏;曹鑫 -专利权人：复旦大学;粤港澳大湾区精准医学研究院（广州）
申请日： 2022-05-11 - 公布日： 2023-01-17 - 主分类号： G16H50/20 文献下载
摘要：本发明提供了一种脑肿瘤多模态MRI图像融合方法和系统，包括：获取脑肿瘤多靶点多模态MRI数据并进行预处理；构建多模态MRI融合图像生成和脑肿瘤分割的联合网络，对多模态MRI图像进行特征提取和特征融合；构建感兴趣区域和背景之间的关系，通过显著损失函数约束脑肿瘤各组之间以及脑肿瘤和正常脑组织间的对比度；在U型子网络间使用深度监督机制，对子网络输出特征进行卷积得到融合图像；对融合图像进行鉴别，直至损失函数趋于稳定，保存最终生成网络模型，生成脑肿瘤多模态MRI融合图像。本发明通过更少的切换操作和更直观的视觉冲击为医生的临床诊断和患者个性化治疗方案的制定提供更大的帮助，具有更好的临床实用性。
肿瘤多模态 mri 图像融合方法系统

[发明专利]基于自适应多尺度Transformer优化的前列腺MRI影像分割方法及系统-CN202210610244.6在审
发明人： 耿道颖;朱静逸;于泽宽;李海庆;金倞;余荔恒 -专利权人：复旦大学
申请日： 2022-05-31 - 公布日： 2022-11-01 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于自适应多尺度Transformer优化的前列腺MRI影像分割方法及系统，包括：步骤S1：获取前列腺MRI影像数据集；步骤S2：对数据集中MRI图像进行预处理，得到预处理之后的训练集与测试集；步骤S3：初始化网络中的参数，使用带有Transformer模块的网络结合在前列腺图像标注的前列腺器官区域进行训练，更新参数得到前列腺自动分割模型；步骤S4：将测试数据集的图像输入训练完成的网络中，得到每幅MRI图像的前列腺分割图像。本发明引入了自适应卷积自适应地调制卷积核全局互补信息，采用自适应Transformer模块来增强全局语义提取能力，提升了对前列腺MRI图像的分割效果。
基于自适应尺度 transformer 优化前列腺 mri 影像分割方法系统

[发明专利]基于transformer的医学图像配准方法及系统-CN202210515128.6在审
发明人：戴健;于泽宽;耿道颖;金倞 -专利权人：复旦大学;粤港澳大湾区精准医学研究院（广州）
申请日： 2022-05-11 - 公布日： 2022-10-11 - 主分类号： G06T7/33 文献下载
摘要：本发明提供一种基于transformer的医学图像配准方法及系统，包括：步骤S1：获取医学图像对，包括浮动图像和固定图像，并进行预处理；步骤S2：将预处理后的浮动图像通过三个阶段的下采样，生成特征图；步骤S3：构建transformer网络模型，将每阶段下采样生成的特征图展开为一维向量，加入位置嵌入向量送入transformer编码器模块；步骤S4：固定图像按照步骤S2和步骤S3，生成向量，送入transformer结构解码器模块；步骤S5：对transformer网络模型输出的向量进行上采样特征融合，生成形变场；步骤S6：根据生成的形变场对待配准医学图像进行配准。本发明能够提升图像局部信息和全局信息的联系，从而提升无监督学习下图像配准的效果。
基于 transformer 医学图像方法系统

1
2
3
4
下一页»
尾页
共 48 条