“医学CT”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果104034个，建议您升级VIP下载更多相关专利

[发明专利]图像处理方法及装置，分类模型的训练方法及装置-CN202010915140.7有效
发明人：钏兴炳;邹彤;王瑜;李新阳;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2020-09-03 - 公布日： 2021-11-09 - 主分类号： G06K9/62 文献下载
摘要：该图像处理方法包括：获取CT医学图像，其中，所述CT医学图像为动脉期的增强CT医学图像，静脉期的增强CT医学图像或平扫CT医学图像；根据所述CT医学图像，通过分类模型，获取所述CT医学图像为所述动脉期的增强CT医学图像，所述静脉期的增强CT医学图像或所述平扫CT医学图像的分类结果，其中，所述分类模型用于确定所述CT医学图像的类别，能够快速且准确地自动区分平扫CT、静脉期的增强CT以及动脉期的增强CT。
图像处理方法装置分类模型训练

[发明专利]一种基于双频域去噪增强的医学CT图像超分辨率算法-CN202310782087.1在审
发明人：刘彩霞;李慧婷 -专利权人：江苏师范大学
申请日： 2023-06-29 - 公布日： 2023-09-19 - 主分类号： G06T3/40 文献下载
摘要：本发明公开一种基于双频域去噪增强的医学CT图像超分辨率算法，属于图形处理技术领域。包括以下步骤：(1)高低频分解：对输入的低分辨率医学CT图像进行傅里叶变换，分解该图像的高频与低频；(2)低频增强与高频去噪：将经过傅里叶变换分解后的低频医学CT图像输入增强网络分支增强，高频医学CT图像则输入去噪网络分支去噪；(3)图像融合：融合两个网络分支的增强医学CT图像和去噪医学CT图像，生成高分辨率的医学CT图像。其步骤简单，增益效果好，能够保留CT图像信息的同时增强图像细节和去除图像的大部分噪声。
一种基于双频域去噪增强医学 ct 图像分辨率算法

[发明专利]2.5D肺炎医学CT影像分类装置及设备-CN202310781182.X在审
发明人：许锋;李书芳;王晓华;袁慧书;向新源;尹文宇 -专利权人：北京大学第三医院（北京大学第三临床医学院）;北京邮电大学
申请日： 2023-06-28 - 公布日： 2023-08-29 - 主分类号： G06V10/764 文献下载
摘要：本申请提供一种2.5D肺炎医学CT影像分类装置及设备，装置包括：目标影像切片模块用于获取目标3D肺部医学CT影像数据对应的多个连续切片，以形成目标3D肺部医学CT影像数据对应的目标2.5D肺部医学CT影像数据；目标影像分类模块用于将目标2.5D肺部医学CT影像数据输入采用2D卷积层的ConvNeXt优化模型，以使该ConvNeXt优化模型对应输出目标2.5D肺部医学CT影像数据对应的肺炎病灶类型识别结果。本申请能够实现对肺炎医学CT影像的自动化分类，并能够在降低模型训练复杂度及耗时的基础上，能够有效提高肺炎CT影像分类过程的执行效率及便捷性，并能够提高肺炎CT影像分类结果的可靠性及准确性。
2.5 肺炎医学 ct 影像分类装置设备

[发明专利]基于多特征提取的CNN医学CT图像去噪方法-CN201910549320.5无效
发明人：张聚;周海林;吕金城;陈坚 -专利权人：浙江工业大学之江学院
申请日： 2019-06-24 - 公布日： 2019-11-19 - 主分类号： G06T5/00 文献下载
摘要：基于多特征提取的CNN医学CT图像去噪，具体步骤如下：步骤1)构建医学CT图像模型；步骤2)构建网络模型；步骤3)训练网络和更新参数；步骤4)对医学CT图像进行去噪，向构建好的网络模型中输入含噪声的医学CT图像，网络输出去除噪声后的医学CT图像。本发明具有以下优点：提出了医学图像处理中的多特征提取医学CT图像去噪；构造的神经网络模型中使用PReLU激活函数提升网络的去噪性能；采用残差学习的方式针对图像中的噪声学习，可以提升神经网络的训练效率；采用多特征提取的卷积神经网络方法
医学CT图像去噪特征提取构建噪声网络模型卷积神经网络神经网络模型医学图像处理捕捉图像更新参数激活函数神经网络特征信息网络输出训练网络训练效率残差去除图像学习网络

[发明专利]肺部医学CT影像分割及分类装置及设备-CN202310970353.3在审
发明人：袁慧书;李书芳;王晓华;许锋;车培帅;尹文宇;叶凯 -专利权人：北京大学第三医院（北京大学第三临床医学院）;北京邮电大学
申请日： 2023-08-03 - 公布日： 2023-09-05 - 主分类号： G06T7/00 文献下载
摘要：本申请提供一种肺部医学CT影像分割及分类装置及设备，装置包括：目标肺实质提取模块用于基于预设的CT阈值对当前的目标肺部医学CT影像数据进行肺实质区域提取；多任务分割及分类模块用于将所述目标肺实质图像数据分别输入多个肺部医学CT影像分割及分类模型，以得到多个肺部病灶区域分割及病灶分类结果数据，肺部医学CT影像分割及分类模型为nnUNet优化模型；分割及分类结果确定模块用于确定目标肺部病灶区域分割及病灶分类结果数据。本申请能够实现对肺部医学CT影像的自动化病灶区域分割及病灶分类，并能够在不要求数量来源相同的基础上，有效提高肺部医学CT影像分割及分类结果的可靠性及准确性。
肺部医学 ct 影像分割分类装置设备

[发明专利]一种医学CT图像存储与检索方法-CN202010551996.0有效
发明人：刘杨;刘子超 -专利权人：昆明理工大学
申请日： 2020-06-17 - 公布日： 2023-03-14 - 主分类号： G06F16/51 文献下载
摘要：本发明涉及一种医学CT图像存储与检索方法，属于图像存储与检索技术领域。本发明获取若干医学CT图像组建数据库，对其进行压缩、计算DCT矩阵等环节，生成64位哈希指纹；接着对哈希指纹建立多位索引进行存储；对待检索医学CT图像也生成64位哈希指纹，根据多位检索算法在数据库中检索与待检索医学CT图像的哈希指纹相似的哈希指纹，将其所对应的医学CT图像、标签属性等信息输出。本发明与现有技术相比，主要解决了现有技术针对海量医学CT图像相似检索时存在的效率不高、有疾病界限等现象，在保持相似精度的同时优化了检索效率，实现了跨疾病相似检索。
一种医学 ct 图像存储检索方法

[发明专利]医学图像的加窗方法及装置-CN202011104293.X有效
发明人：亢寒;张荣国;李新阳;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2020-10-15 - 公布日： 2021-09-17 - 主分类号： G06T7/11 文献下载
摘要：本发明提供了一种医学图像的加窗方法及装置。该方法包括：分别获取待加窗处理的多个医学图像中的每个医学图像中的感兴趣区域的第一CT值和第二CT值，其中，第一CT值大于第二CT值；根据获取的多个第一CT值，确定加窗处理的窗口的第一参数值；根据获取的多个第二CT值，确定加窗处理的窗口的第二参数值；根据窗口的第一参数值和第二参数值，对多个医学图像进行加窗处理，能够自动选择合适的窗宽、窗位。
医学图像方法装置

[发明专利]一种基于空间编码的脑CT医学报告生成方法-CN202110999764.6在审
发明人：张晓丹;张梦隆;刘颖;王筝 -专利权人：北京工业大学
申请日： 2021-08-30 - 公布日： 2021-11-26 - 主分类号： G16H30/40 文献下载
摘要：本发明涉及一种基于空间编码的脑CT医学报告生成方法，用于解决现有技术无法为脑CT图像生成准确的医学报告的问题。首先，构建数据集并进行预处理，得到序列脑CT图像特征和多尺度超像素特征两种特征；其次，通过编码模型MSSE对序列脑CT图像特征和多尺度超像素特征进行特征编码，从而得到包含脑CT空间信息的序列图像特征。然后采用解码模型SALD对包含脑CT空间信息的序列图像特征进行解码从而生成脑CT医学报告，SALD解码模型包含空间注意力和LSTM两个部分，空间注意力用于提取重要的序列图像特征，最终得到整个CT影像的图像特征；LSTM将整个CT影像的图像特征作为输入，最终生成脑CT医学报告。
一种基于空间编码 ct 医学报告生成方法

[发明专利]基于残差学习的卷积神经网络医学CT图像去噪方法-CN201910166558.X有效
发明人：张聚;周海林;吕金城;陈坚 -专利权人：浙江工业大学
申请日： 2019-03-06 - 公布日： 2020-11-13 - 主分类号： G06T5/00 文献下载
摘要：基于残差学习的卷积神经网络医学CT图像去噪，具体步骤如下：步骤1)构建医学CT图像模型；步骤2)构建神经网络模型；步骤3)训练网络；步骤4)更新参数；步骤5)医学CT图像去噪，向构建好的网络模型中输入含噪声的医学CT图像，网络输出去除噪声后的医学CT图像。本发明具有以下优点：提出了结合深度学习中卷积神经网络方面的知识进行医学CT图像去噪；采用残差学习的方式来近似学习图像中的噪声，具有很好的针对性，同时提升神经网络的训练效率；采用卷积神经网络和残差学习的方法
基于学习卷积神经网络医学 ct 图像方法

[发明专利]一种基于共现关系分层注意力的脑CT医学报告自动生成方法-CN202211401246.0在审
发明人：冀俊忠;豆世鑫;张晓丹 -专利权人：北京工业大学
申请日： 2022-11-09 - 公布日： 2023-01-31 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于共现关系分层注意力的脑CT医学报告自动生成方法，预处理脑CT数据集并建立词汇表；构建脑CT影像的特征提取器用于提取脑CT影像的视觉特征；构建共现关系语义注意力模块，用于提取脑CT影像中常见医学术语的语义注意力特征构建主题向量引导的视觉注意力模块，该模块中的主题向量融合常见及罕见的医学术语的语义信息，完整表达句子层级的医学术语主题，该医学术语主题则指导视觉注意力机制捕捉重要的病灶区域特征。本方法结合常见医学术语之间的共现关系推测缺失的语义信息，从而提取更加丰富的语义注意力特征，分层协作提升生成的脑CT医学报告的准确性、多样性。
一种基于关系分层注意力 ct 医学报告自动生成方法

[发明专利]基于DNST的医学CT图像去噪方法-CN201810618315.0有效
发明人：程芸;周俊;田峥;赵恺伦;张聚 -专利权人：浙江医院
申请日： 2018-06-15 - 公布日： 2021-07-30 - 主分类号： G06T5/00 文献下载
摘要：基于DNST的医学CT图像去噪方法，包括如下步骤：步骤1)建立医学CT图像模型；步骤2)通过离散不可分离剪切波对CT图像进行分解；步骤3)对高频剪切波系数进行双变量收缩处理；步骤4)对低频剪切波系数进行旋转不变双边非局部均值滤波处理步骤本发明通过实验分析与最新的去噪领域算法进行了对比，有效的应用在医学CT去噪领域；特别是针对CT低频采用旋转不变双边非局部均值滤波和对高频剪切波系数进行双变量收缩，能够更好的保护医学CT图像中软组织的细节信息通过了大量的实验数据对比，提出了基于剪切波域双变量收缩和旋转不变双边非局部均值滤波结合的医学CT图像去噪方法，能够更好的有利于医师的分析诊断。
基于 dnst 医学 ct 图像方法

[发明专利]一种影像方舱-CN202310875109.9在审
发明人：王懿男;苏琛;马军;张威;徐鹤鹏 -专利权人：军事科学院系统工程研究院卫勤保障技术研究所;辽宁陆平机器股份有限公司
申请日： 2023-07-17 - 公布日： 2023-09-08 - 主分类号： E04H1/12 文献下载
摘要：影像方舱包括单扩方舱、医学影像检查设备、CT机隔震单元。单扩方舱具有收拢状态和扩展状态；收拢状态下，舱内空间为整体联通形式，用于收纳医学影像设备；扩展状态下，形成CT检查间和X射线检查间，用于为伤病员进行医学影像检查。医学影像检查设备，收纳于单扩方舱，包括CT机、X射线机。CT机隔震单元，设置在单扩方舱的底壁与CT机之间，为T型结构，用于支撑CT机，以及在运输过程中降低CT机的震动损伤。本发明旨在解决目前影像方舱空间有限、功能单一，且在转运过程中CT机易发生结构损伤和破坏的问题。
一种影像

[实用新型]核医学设备图像融合精度测试模体-CN201621260308.0有效
发明人：刘辉;宋颖 -专利权人：中国疾病预防控制中心辐射防护与核安全医学所
申请日： 2016-11-21 - 公布日： 2017-09-29 - 主分类号： A61B6/03 文献下载
摘要：本实用新型提供了一种核医学设备图像融合精度测试模体，包括模架和上盖，其中，所述模架为圆柱状，包括环状侧壁和底座，所述环状侧壁和所述底座为一体成型结构，所述上盖与所述环状侧壁的顶端连接。本实用新型提供的核医学设备图像融合精度测试模体中核医学和CT影像在空间上分布更广，可以更全面的评估SPECT/CT和PET/CT的图像融合精度。该测试模体用于测量SPECT/CT和PET/CT系统中由于系统机械校准误差和检查床运动定位误差导致的SPECT、PET和CT图像中病灶定位的偏差，为SPECT/CT和PET/CT性能检测标准化提供参考。
核医学设备图像融合精度测试

[发明专利]一种肺部医学图像处理方法、装置、设备及存储介质-CN202211183941.4有效
发明人：代玉婷;丁佳;吕晨翀 -专利权人：北京医准智能科技有限公司
申请日： 2022-09-27 - 公布日： 2023-06-27 - 主分类号： G06T7/11 文献下载
摘要：本公开提供了一种肺部医学图像处理方法、装置、设备及存储介质，所述方法包括：获取三维的目标肺部CT图像；将所述目标肺部CT图像输入预先训练的医学图像分割模型，得到所述目标肺部CT图像中的各个肺部病变区域图像采用该方法，其中，医学图像分割模型为基于三维的样本肺部CT图像、预先标注的样本肺部CT图像中的各个病变区域图像和预设的实例损失函数，对待训练神经网络进行训练得到的，而实例损失函数反映了预先标注的各个病变区域图像对待训练神经网络分割所述样本肺部CT图像中的病变区域图像的影响，利用实例损失函数使得训练得到的医学图像分割模型有效地减少了肺部多发病变区域图像的漏分割，提升了肺部CT图像分割效果。
一种肺部医学图像处理方法装置设备存储介质

[发明专利]基于DNST的医学CT图像去噪方法-CN201810021019.2在审
发明人：张聚;周俊;田峥;赵恺伦 -专利权人：浙江工业大学之江学院
申请日： 2018-01-10 - 公布日： 2018-08-17 - 主分类号： G06T5/00 文献下载
摘要：基于DNST医学CT图像去噪方法，包括如下步骤：步骤1)建立医学CT图像模型；步骤2)建立DNST的系统框架；步骤3)对高频子带低频子带的剪切波系数进行自适应阈值收缩处理；步骤4)对处理后的系数进行DNST本发明通过实验分析与最新的去噪领域算法进行了对比，有效的应用在医学CT去噪领域；通过自适应阈值算法更好的应用在CT图经过DNST分解的高频子带和低频子带中。通过了大量的实验数据对比，提出了基于DNST的医学CT图像去噪方法，能够更好的有利于医师的分析诊断。
去噪医学CT图像低频子带高频子带自适应阈值算法实验分析实验数据系统框架阈值收缩剪切波逆变换医学CT 自适应算法应用医师分解诊断分析

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条