|
搜索
搜 索
高等教育领域数字化综合服务平台
基于CT图像的胰腺肿瘤诊断算法、基于钼靶图像的乳腺癌淋巴转移诊断算法
技术分析(创新性、先进性、独占性)开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。已经在两家大型三甲医院做测试，算法和程序代码完整，
中国人民大学
2021-04-10
基于CT图像的胰腺肿瘤诊断算法、基于钼靶图像的乳腺癌淋巴转移诊断算法
技术分析(创新性、先进性、独占性)
开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。
中国人民大学
2021-05-11
肿瘤医学图像智能诊断算法
简介：
1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。
层级分割模型示意图
分类模型可视化热图
2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。
钼靶乳腺图像预处理
双侧双体位深度学习网络
优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。
中国人民大学
2021-05-15
肿瘤医学图像智能诊断算法
1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。
中国人民大学
2021-04-10
基于人体组织区别性特征表示的低剂量CT成像相关算法
申请人自2002年8月开始在医学低剂量CT图像成像、处理等方向开展学习和研究工作，从理论探索和应用拓展两个方面同时开展科学研究，先后提出了“基于区别性稀疏表示的低剂量CT成像”，“基于大尺度平均的低剂量CT图像后处理”，“基于深度学习的低剂量CT成像”等一系列创新算法，其中“基于区别性稀疏表示的低剂量CT成像”算法已通过专利形式转让到国内龙头大型医疗设备商上海联影医疗设备有限公司，目前已经在其即将推出的最新的U780 CT机上得到了应用。
东南大学
2021-04-11
基于耳内图像的耳科疾病智能辅助诊断系统
本项目通过收集本院耳鼻喉科6066张正常人、分泌性中耳炎、急性化脓性中耳炎活动期及化脓性中耳炎静止期耳内镜图像。
一、项目进展
创意计划阶段
二、负责人及成员
姓名
学院/所学专业
入学/毕业时间
徐倩慧
中山大学医学院
2017.09~2022.06
童钊鹏
中山大学孙逸仙纪念医院
2021.09~
三、指导教师
姓名
学院/所学专业
职务/职称
研究方向
蔡跃新
中山大学孙逸仙纪念医院
副主任医师
耳鼻喉头颈外科
四、项目简介
本项目通过收集本院耳鼻喉科6066张正常人、分泌性中耳炎、急性化脓性中耳炎活动期及化脓性中耳炎静止期耳内镜图像。通过模仿医生诊断的注意力机制，将获取局部关键特征的局部分类器与获取全局特征的主分类器有机结合，构成深度学习的主框架。通过计算AUC等统计学指标来评估模型的性能，并与两位副主任医师、两位主治医师进行人机对比来进一步评估模型的性能，同时通过热图显示深度学习模型在耳内镜图像不同区域的权重，以判断深度学习关注的区域是否与临床医师一致。该深度学习模型可获得整体93.4%的准确率，区分正常人与分泌性中耳炎的AUC为0.99，而区分化脓性中耳炎活动期与静止期的AUC为0.94.模型的准确率要高于两位主治医师，达到副主任医师的水平，同时热图显示深度学习模型定义的关键区域恰好是临床医生做诊断的区域，如化脓性中耳炎鼓膜穿孔区域，分泌性中耳炎的光锥区域。同时，同时，本项目还将深度学习模型的技术落地，自主研发出研发便携式可拍摄与自动诊断的耳镜设备。
中山大学
2022-08-10
胰腺神经内分泌肿瘤个体化诊疗的研究进展
复旦大学附属肿瘤医院胰腺外科虞先濬教授领衔研究团队，通过研究发现胰腺神经内分泌肿瘤中DNA损伤修复蛋白的表达特征，并据此建立了胰腺神经内分泌肿瘤复发特征模型。该模型可以将术后患者分为复发低危人群、中危人群和高危人群三类，有利于胰腺神经内分泌肿瘤患者术后随访策略的制定和个体化辅助治疗的决策。相关
复旦大学
2021-01-12
肿瘤诊断试剂盒开发
本项目由华西医院肿瘤分子诊断研究室郑鸿教授承担，发现世界上第一个能够在血清学水平准确识别乳腺癌和前列腺癌的两种分子标志物，并开发出针对这两种肿瘤的早期筛查产品。改技术已获得两项国际专利。目前在对乳腺癌和前列腺癌的大病例临床研究基础上完善了对该标志物的临床评价，正在进行诊断试剂盒的制备，已获得多个单抗和多抗，并建立了该标志物的ELISA检测方法，下一步将推动该诊断试剂盒的临床评价和进入申请FDA及SFDA临床准入的实质程序。
四川大学
2016-04-14
一种基于图像分割的数字体积相关算法中边界处理方法
本发明公开了一种基于图像分割的数字体积相关算法中边界处理方法，该方法首先区分感兴趣区域和背景区域，然后对要进行DVC计算的其中一套三维图像进行图像分割，分割为感兴趣区域(VOI)和背景(BG)两部分，在进行DVC计算时只计算VOI内的计算点的位移和应变；计算位移时，子体块间的相关性匹配仅仅针对VOI部分，计算应变时，只利用VOI内的位移点来求解应变。此外，本发明通过区分子体块还有应变计算窗口内的连通域个数，只利用子体块或者应变计算窗口内的主连通域去计算位移和应变，进一步提高了处理复杂轮廓或者边界时计
东南大学
2021-04-14
新冠病毒肺炎CT图像自动分析系统
哈尔滨工业大学联合哈尔滨医科大学联合研发“新冠病毒肺炎CT图像自动分析系统”，该系统阅片效率是人工阅片速度的30倍，新冠肺炎相关病变检测准确率基本达到了医生水平，可以定量评估病变范围。 由于新冠肺炎患者肺部CT图像上有较为典型的征象，可以作为新冠肺炎快速诊断和病情评估的重要依据，因此哈尔滨工业大学计算机科学与技术学院邬向前教授联合哈尔滨医科大学附属第二医院影像科李萍教授，成立哈工大-哈医大联合攻关小组，研发“新冠病毒肺炎CT图像自动分析系统”。联合攻关小组紧急联系中国多家医院，收集177000多张肺部CT图像，其中包括来自新冠肺炎患者的近40000张图像。 联合攻关小组克服了各种困难，经过多天通宵达旦努力工作，仅用了一周左右的时间就初步研发成功可用于诊断评估新冠肺炎的CT图像自动分析系统。该系统可以自动检测CT图片上新冠肺炎相关病变，并估算病变区域在整个肺部的比例，为新冠肺炎患者的筛查和病情评估提供了依据。这些信息，在人工阅片时无法得到。该系统已在哈尔滨医科大学附属第二医院进行部署试用。该系统具有非常优越的性能，其阅片效率差不多是人工阅片速度的30倍，新冠相关病变检测准确率基本达到了医生水平，尤其可以定量的评估病变的范围对临床诊断非常有意义。查看原文
哈尔滨工业大学
2021-04-10