“蔡聪波”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39个，建议您升级VIP下载更多相关专利

[发明专利]基于重叠回波的磁共振快速水脂分离定量成像方法及系统-CN202310329562.X在审
发明人： 蔡聪波;林青;陈维锟;蔡淑惠 -专利权人：厦门大学
申请日： 2023-03-30 - 公布日： 2023-06-23 - 主分类号： G01R33/56 文献下载
摘要：基于重叠回波的磁共振快速水脂分离定量成像方法及系统，涉及磁共振成像领域。包括：设计基于重叠回波的水脂分离磁共振成像序列并确定其采样参数；在满足序列和序列参数性能要求的先进磁共振仪中添加序列及设置采样参数，并完成数据采集，获取磁共振数据；生成深度神经网络的训练样本；采用训练样本对深度神经网络进行训练，得到训练好的深度神经网络；采用训练好的深度神经网络和所述磁共振成像序列采集的数据，重建水脂分离图像。能够实现磁共振快速水脂分离成像，并得到准确的水脂T2、T2*定量参数值及准确的脂肪分数图。
基于重叠回波磁共振快速分离定量成像方法系统

[发明专利]一种快速高分辨多参数定量磁共振成像方法及系统-CN202211618584.X在审
发明人：蔡淑惠;耿文华;杨奇志;蔡聪波;陈忠 -专利权人：厦门大学
申请日： 2022-12-15 - 公布日： 2023-05-16 - 主分类号： G01R33/54 文献下载
摘要：本发明公开一种快速高分辨多参数定量磁共振成像方法及系统，包括：设计快速高分辨多重叠回波成像脉冲序列；确定脉冲序列的采样参数；构建用于多参数定量磁共振图像重建的深度神经网络；生成深度神经网络的训练样本；使用训练样本对深度神经网络进行训练，得到训练好的深度神经网络；利用脉冲序列在设定的采样参数下对实体成像对象进行扫描，得到实体成像对象的k空间数据；对所述实体成像对象的k空间数据进行预处理，得到实体成像对象的图像域数据；将所述实体成像对象的图像域数据输入训练好的深度神经网络进行重建，得到高分辨多参数定量磁共振图像。本发明能够实现快速高分辨多参数定量磁共振成像，并且能够抵抗主磁场不均匀导致的图像畸变。
一种快速分辨参数定量磁共振成像方法系统

[发明专利]一种消化内科胃镜清洗器-CN202310210094.4在审
发明人：杨磊;蔡聪波;陈汉卿 -专利权人：宁波市鄞州区第二医院医共体
申请日： 2023-03-07 - 公布日： 2023-04-25 - 主分类号： A61B1/12 文献下载
摘要：本发明公开了一种消化内科胃镜清洗器，包括设备主体，设备主体的一端设置有侧门，侧门的底侧设置有出水口，设备主体的顶端合页连接有顶盖，设备主体的底端内部设置有放置箱，设备主体内部上部设置有储存空间，储存空间的内部设置有储液箱，储存空间的顶端设置有拆卸台，储液箱的一侧设置有清洗空间，清洗空间内部包含有夹持对轮，夹持对轮的底侧安装有转盘。本发明通过整体结构的改进，仅利用内部的高差即可完成对整体的胃镜拆卸、浸泡和液体清洗等形成作用，且整体装置内部结构均呈模块化结构设置，无论是日常维护还是临场更换储存箱和集中处理废水等，均能够保障其使用效果。
一种消化内科胃镜清洗

[发明专利]一种基于重叠回波的磁共振多参数同时定量成像方法及系统-CN202211581494.8在审
发明人： 蔡聪波;林青;陈维锟;蔡淑惠;耿文华 -专利权人：厦门大学
申请日： 2022-12-09 - 公布日： 2023-03-03 - 主分类号： G01R33/54 文献下载
摘要：一种基于重叠回波的磁共振多参数同时定量成像方法及系统。方法：设计基于重叠回波的稳态自由进动多参数定量成像序列；确定基于重叠回波的稳态自由进动多参数定量成像序列的采样参数；在满足序列和采样参数性能要求的先进磁共振仪中添加序列及设置采样参数，并完成数据采集，获取磁共振数据；生成深度神经网络的训练样本；采用所述训练样本对深度神经网络进行训练，得训练好的深度神经网络；采用训练好的深度神经网络和所述磁共振成像序列采集的k空间数据，重建磁共振多参数图像。能实现磁共振多参数同时定量成像，并能利用k空间内不同回波和/或不同k空间信息互补，实现不理想因素校正，包括但不限于伪影、射频场不均匀、主磁场不均匀等。
一种基于重叠回波磁共振参数同时定量成像方法系统

[发明专利]基于深度学习的超快速磁共振成像高精度仿真方法及系统-CN202210859475.0在审
发明人： 蔡聪波;黄海涛;蔡淑惠;杨亲亲;陈忠 -专利权人：厦门大学
申请日： 2022-07-21 - 公布日： 2022-10-11 - 主分类号： G01R33/56 文献下载
摘要：基于深度学习的超快速磁共振成像高精度仿真方法及系统，涉及磁共振成像仿真成像。制作虚拟成像对象；根据仿真的磁共振序列对虚拟成像对象Bloch仿真，得磁共振图像并保留磁共振序列成像参数、不理想因素；使用位置编码模板、虚拟成像对象、磁共振序列成像参数构成的动态卷积核、不理想因素及磁共振图像制作训练样本；构建Simu‑Net用于同时接受一维的磁共振序列成像参数、二维的位置编码模板和虚拟成像对象模板；训练Simu‑Net；构建指定磁共振序列成像参数和不理想因素条件下的样本，使用Simu‑Net进行虚拟磁共振成像。实现任意长度的动态成像参数下的磁共振成像仿真，实现超快速磁共振成像高精度仿真。
基于深度学习快速磁共振成像高精度仿真方法系统

[发明专利]基于深度学习的扩散张量重建方法、系统和电子设备-CN202210581140.7在审
发明人：蔡淑惠;陈遵权;蔡聪波;王杰超 -专利权人：厦门大学
申请日： 2022-05-26 - 公布日： 2022-08-30 - 主分类号： G06T5/50 文献下载
摘要：本发明提供一种基于深度学习的扩散张量重建方法、系统和电子设备：获取T1加权图像、非扩散加权图像、扩散加权图像，分别简称为T1图像、b0图像、DW图像；拟合b0图像和DW图像，得到扩散张量；选用T1图像、部分b0图像和DW图像，以相邻三层为一组，获得原始网络输入图像组；对原始网络输入图像组进行排序，获得三层排序图像组和重建层排序图像组；构建并训练深度神经网络；对待成像对象进行图像采集，将采集的图像排序得到待重建的三层排序图像组和待重建的重建层排序图像组并输入训练好的深度神经网络重建得到扩散张量；由扩散张量计算得到DTI定量图像。本发明可减少扩散张量及其定量图重建所需DW图像数量，加快成像速度。
基于深度学习扩散张量重建方法系统电子设备

[发明专利]一种T2定量图像成像方法及系统-CN201911069801.2有效
发明人： 蔡聪波;张晓娟;蔡淑惠;陈忠 -专利权人：厦门大学
申请日： 2019-11-05 - 公布日： 2022-08-12 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种T2定量图像成像方法和系统，包括设置多重叠回波及多回波链采样脉冲序列；基于所述多重叠及多回波链采样脉冲序列，从待测样本中采集真实图像；基于所述多重叠回波及多回波链采样脉冲序列，从历史样本中采集多个模拟图像；对各所述模拟图像训练，得到U‑NET卷积神经网络；根据所述U‑NET卷积神经网络及所述真实图像，得到T2定量图像。多重叠回波及多回波链脉冲序列在多重叠回波序列的基础上增加了多个重聚脉冲，将由磁场不均匀性非T2因素引起的衰减的回波重聚。可以在采样过程中采集到更多的具有不同T2加权的回波，得到更丰富的T2信息，从而提升了T2定量重建结果的精度、准度及分辨率，同时还将获得相应的质子密度图(M0)及射频场(B1)图。
一种 t2 定量图像成像方法系统

[发明专利]一种时空编码磁共振成像超分辨率重建方法及系统-CN202110141998.7有效
发明人：蔡淑惠;向鹏程;蔡聪波;王杰超;陈忠 -专利权人：厦门大学
申请日： 2021-02-02 - 公布日： 2022-08-12 - 主分类号： G01R33/54 文献下载
摘要：本发明提供了一种时空编码磁共振成像超分辨率重建方法及系统。本发明根据待测样品的特征生成设定量的模拟样品；根据待测样品的时空编码磁共振成像信号采集方案确定模拟实验方案；根据模拟实验方案生成深度神经网络的训练样本集；确定用于时空编码磁共振成像重建的深度神经网络；采用训练样本集训练深度神经网络，获得训练好的深度神经网络；对待测样品的时空编码磁共振成像信号进行预处理，获得待测样品的待重建时空编码磁共振成像数据；将待重建时空编码磁共振成像数据输入训练好的深度神经网络，获得待测样品的高分辨率时空编码磁共振图像。本发明解决了现有重建方法迭代求解时间长、重建结果未能完全消除混叠伪影、图像边缘信息模糊等问题。
一种时空编码磁共振成像分辨率重建方法系统

[发明专利]一种动态对比增强核磁共振图像的重建方法及重建系统-CN202110419657.1有效
发明人：吴方圆;蔡聪波;蔡淑惠;王璐 -专利权人：厦门大学
申请日： 2021-04-19 - 公布日： 2022-07-29 - 主分类号： G06T11/00 文献下载
摘要：本发明涉及一种动态对比增强核磁共振图像的重建方法及重建系统，先获取DCE‑MRI图像和T1‑mappingMRI图像。然后以DCE‑MRI图像和T1‑mapping MRI图像作为输入，利用训练好的深度神经网络模型得到重建参数图像，进而利用训练好的深度神经网络模型实现动态对比增强核磁共振图像的重建过程，通过训练好的深度神经网络模型，能够在几十毫秒内得到重建参数图像，重建速度快，效率高。
一种动态对比增强核磁共振图像重建方法系统

[发明专利]一种基于深度学习的DSC-MRI血液动力学参数定量方法和系统-CN202210253168.8在审
发明人：蔡淑惠;张溥杰;王璐;蔡聪波 -专利权人：厦门大学
申请日： 2022-03-15 - 公布日： 2022-07-22 - 主分类号： G06T11/00 文献下载
摘要：本发明提供一种基于深度学习的DSC‑MRI血液动力学参数定量方法和系统，包括：获取对比剂注射前后的T2*加权DSC‑MRI图像序列，称为原始DSC‑MRI图像序列；进行基于统计学和形态学的双重判定，获得二次判定掩膜；将原始DSC‑MRI图像序列与二次判定掩膜相乘，再进行信号模式变换，得到对比剂浓度‑时间图像序列；生成设定量的包含动脉输入点的DSC模拟训练样本；构建深度神经网络；利用DSC模拟训练样本对深度神经网络进行训练，得到训练好的深度神经网络；将对比剂浓度‑时间图像序列输入训练好的深度神经网络，得到血液动力学参数图。本发明可简化血液动力学参数计算过程，快速获得高质量的血液动力学参数图，有效改善由于部分体素灌注效果不佳对血液动力学参数定量的影响。
一种基于深度学习 dsc mri 血液动力学参数定量方法系统

[发明专利]一种核Overhauser增强成像方法及系统-CN202210127212.0在审
发明人：蔡淑惠;兰新力;蔡聪波;吴健;余靖伊 -专利权人：厦门大学
申请日： 2022-02-11 - 公布日： 2022-05-20 - 主分类号： G01R33/56 文献下载
摘要：本发明涉及一种核Overhauser增强成像方法及系统。所述方法包括：获取待处理的CEST图像并进行预处理得到预处理后的CEST图像；根据预处理后的CEST图像和Bloch‑McConnell方程模型得到各样本参数的取值范围；根据样本参数的取值范围生成设定量的训练样本；采用训练样本对深度神经网络进行训练得到训练好的深度神经网络；将所述预处理后的CEST图像输入所述训练好的深度神经网络得到NOE对比图，包括NOE浓度图和NOE交换速率图。本发明可快速重建出高质量的NOE对比图。
一种 overhauser 增强成像方法系统

[发明专利]一种磁共振多参数同时定量成像方法及系统-CN201911076119.6有效
发明人：蔡淑惠;吴健;蔡聪波 -专利权人：厦门大学
申请日： 2019-11-06 - 公布日： 2022-05-13 - 主分类号： G06V10/774 文献下载
摘要：本发明公开一种磁共振多参数同时定量成像方法及系统。该方法包括：设计磁共振成像序列；生成深度神经网络的训练样本；采用所述训练样本对深度神经网络进行训练，得到训练好的深度神经网络；采用所述训练好的深度神经网络和所述磁共振成像序列采集的k空间数据，重建磁共振多参数图像。本发明能够实现磁共振多参数的定量成像，并能够校正由于磁场不均匀造成的图像畸变。
一种磁共振参数同时定量成像方法系统

[发明专利]一种磁共振成像脑胶质瘤IDH基因预测方法及系统-CN202210143820.0在审
发明人：徐丽娜;曾海龙;蔡聪波;蔡淑惠;陈忠 -专利权人：厦门大学
申请日： 2022-02-17 - 公布日： 2022-05-10 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及图像分割及检测技术领域，具体涉及一种磁共振成像脑胶质瘤IDH基因预测方法及系统，该方法包括：构建脑胶质瘤区域预测网络；预测网络包括生成网络、判别网络和分割网络；生成网络用于源域数据集和目标域数据集域间的自适应转换；基于损失目标函数采用源域和目标域数据集训练预测网络；损失目标函数根据对抗损失、循环一致性损失、分割损失和分割一致性损失确定；采用训练好的脑胶质瘤区域预测网络对待预测磁共振图像进行脑胶质瘤区域分割；分别采用放射组学和深度神经网络提取分割后的脑胶质瘤区域组学特征和深度特征；将组学特征和深度特征结合作为随机森林算法的输入，输出IDH基因型的分类。本发明提高了基因型预测的鲁棒性。
一种磁共振成像胶质 idh 基因预测方法系统

[发明专利]基于时空编码螺旋磁共振成像的多回波采样及重建方法-CN202110290233.X有效
发明人：陈忠;杨郑鹏;蔡聪波;金俊贤 -专利权人：厦门大学
申请日： 2021-03-16 - 公布日： 2022-04-01 - 主分类号： G01R33/48 文献下载
摘要：基于时空编码螺旋磁共振成像的多回波采样及重建方法，涉及磁共振成像方法。使用Matlab生成Chirp线性扫频脉冲和每个回波的采样梯度；将准备好的待测实验样品固定在实验床上，送入磁共振成像仪的检测腔；在磁共振成像仪操作台上打开操作软件，找到成像区域，再对磁共振成像仪进行调谐、频率校正、功率校正及自动匀场；打开编译好的多回波时空编码磁共振成像序列，导入回波采样梯度，设置好回波间的180°重聚脉冲及破坏梯度；设置多回波时空编码非笛卡尔成像序列的采样参数，开始采样，得到多回波信号；对多回波信号进行网格化处理，并进行去卷积的超分辨率重建，得到高质量的图像。有效减小横向弛豫衰减调制以及偏共振效应的影响。
基于时空编码螺旋磁共振成像回波采样重建方法

[发明专利]基于深度学习的多模态医学图像无监督配准方法及系统-CN202111461476.1在审
发明人： 蔡聪波;柯凌志;蔡淑惠 -专利权人：厦门大学
申请日： 2021-12-02 - 公布日： 2022-03-01 - 主分类号： G06T7/33 文献下载
摘要：基于深度学习的多模态医学图像无监督配准方法及系统，涉及医学图像配准。制作模拟仿真样本，将浮动图像、参考图像及浮动图像的序列相关信息输入配准子网络N1，利用所得形变场对浮动图像重采样得初步配准图像；将初步配准图像、参考图像及原序列相关信息输入配准网络N2，利用所得最终形变场对初步配准图像重采样得最终配准图像，通过计算配准图像与参考图像间的损失函数对网络优化从而达到非刚性医学图像的精确配准。系统设有数据仿真模块、网络训练样本预处理模块、神经网络模型训练模块、待配准样本及序列信息预处理模块和无监督配准模块。解决深度学习方法对数据样本的依赖性。只需协同输入待配准浮动图像的序列信息图即可精确完成配准。
基于深度学习多模态医学图像监督方法系统

1
2
3
下一页»
尾页
共 39 条