|
搜索
搜 索
高等教育领域数字化综合服务平台
脑影像智能分析及其临床应用
面向全球脑科学研究的尖端挑战和我国老龄化带来对退行疾病临床的巨大需求，构建基于人工智能、大数据挖掘等技术的脑影像组学模型，编码与疾病对应的指纹信息，开发Brain Label (SAAS)云，精度比肩国际领先的FSL（牛津大学）和FreeSurfer（哈佛大学）。该平台已在国内神经科排名前十的三甲医院（宣武、天坛等）使用，成为宣武国家临床研究中心的唯一影像大数据技术，为其500余家联盟医院（含深圳市）提供智能化分析服务，也
哈尔滨工业大学
2021-04-14
云南省新冠肺炎影像云平台
2月19日，昆明移动依托云资源和数据链优势，协同昆明市第三人民医院、云南大学共同创立、建设的“云南省新型冠状病毒感染的肺炎CT诊断互联网协同会诊平台”（简称云南省传染性疾病影像云平台）在三方远程连线下正式启动。平台将在有相关诊断经验的影像专家帮助下，以多方协同工作的方式支持基层医院，帮助基层医院输出高质量的新冠肺炎诊断，同时通过互联网方式实现远程互动，方便医生和患者，减少传播感染机会、减少现场支援成本和隔离防护的物资消耗，集全省影像专家力量助力打好新冠疫情防控阻击战。结合为昆明医科大学第一附属医院创建的“5G智慧诊疗平台”的经验，昆明移动协同云南大学、昆明市第三人民医院建立相应的云服务、医学影像多方协同工作（会诊）系统，通过CT诊断新型冠状病毒肺炎的互联化服务系列关键技术以及运行服务的保障模式，将复杂、昂贵的医学影像处理系统互联化、低成本化。基层医院可以免费、免培训、自助地将本地设备接入云服务平台，随后将逐步发展成为云南省传染性疾病影像互联网协同诊断平台。
云南大学
2021-04-10
胃肠肛门盆底疾病影像云平台
本研究的技术成果如下：1 .建立了区域化检查 互通互认胃肠盆底影像学检查规范及质控标准；建 立了消化道肿瘤、炎性肠病、结直肠肛门良性疾病 等影像学诊断标准；实现了远程继续教育，切实提 高广东省基层医院胃肠道疾病的影像诊断水平。 2 .实现了盆底影像学模型及直肠癌、盆底功能障碍 性疾病（PFDD）的三维数字模型的建立；完成了 直肠癌、盆底功能障碍性疾病（PFDD）的计算机 » 软件界面 模拟应用。3.实现了医学影像云服务；实现了医疗影像数据的安全的海量存储，影像文件采用图像压缩技 术转换；支持异构系统整合，接入不同厂商的影像系统，实现了开放的移动终端支持。 安全、稳定、便捷的区域化胃肠道疾病影像会诊平台目标清晰、明确，有非常现实的医疗需求，可运 行性强，可直接产生良好的社会效益，在此基础上，可扩展至更为宽广的医学影像会诊领域。
中山大学
2021-04-10
新型冠状病毒肺炎影像学诊断
西安交通大学《新型冠状病毒肺炎影像学诊断》全书共15.5万字，从几百个临床病例中精心挑选了590幅图，其中与新冠肺炎进行鉴别的疾病有29种之多，图文并茂，生动详细。 《新型冠状病毒肺炎影像学诊断》一书在中华放射学会主任委员金征宇教授、候任主任委员刘士远教授倡导下，在全国诊疗新冠肺炎影像专家组指导下重磅推出。另有近30多位来自武汉及其他地区战“疫”一线的影像学专家参与。 依据2020年2月5日国家卫健委颁布的《新型冠状病毒感染的肺炎诊疗方案（试行第五版）》，该书阐述了新型冠状病毒的影像学基本征象、临床分期分型与诊断要点，帮助一线医务工作者提高对新冠肺炎的影像学识别、诊断和鉴别能力，避免误诊和漏诊，具有专业的临床指导意义。 该书的核心内容紧紧围绕新冠肺炎的影像学诊断，涵盖了新型冠状病毒的命名、影像学检查与防护、影像学检查方法、影像学基本征象、临床分型与诊断、影像学分期、影像学转归和影像学鉴别诊断等，可以很好地使一线医务工作者提高其新型冠状肺炎的影像学识别、诊断和鉴别诊断能力，避免误诊和漏诊。
西安交通大学
2021-04-11
无人机 720°VR 全景影像系统
本成果提供了一种可提供 720°VR 全景视频影像拍摄的无人机机载观察装 置，并确保其拍摄、观察画面的稳定性。本成果将无人机机载观察更有效地运用 到实际系统中，如空中 720°VR 影像拍摄、三维立体建模、城市规划、光伏设备 巡检等，大幅提升拍摄画面的视野范围，提高所拍摄影像的画质及稳定性。虚拟 现实(VR)全景成像技术目前广泛应用于街景地图制作、城市规划、影视制作等 领域，但空中 VR 成像及观察技术目前仍存在较大的技术缺陷，在实际应用中存 在不足。首先，空中拍摄时，由于无人机机体或旋翼遮挡，并不
上海理工大学
2021-01-12
医学影像的智能处理、融合和分析
一、项目简介 磁共振成像以其具有多模态成像、高分辨及无辐射伤害等优点，在临床医学影像中具有无可替代的地位。然而较慢的成像速度及易受各种伪影干扰是其主要缺点。另一方面，随着临床上对磁共振成像需求的急剧增长，诊断医生的缺口越来越大，并严重影响病人得到及时、准确的诊断。因此，在磁共振成像中引入以深度学习为代表的智能技术，一方面用于加速成像采集速度及提高成像质量，另一方面用于进行智能诊断，解决临床医生人力不足、误诊率较高的问题。 二、前期研究基础 基于我们在磁共振成像方法设计、超分辨率重建及临床应用等方面的跨学科研究优势，我们利用深度学习技术对磁共振成像的各个方面进行整合优化设计，并取得许多重要的初步成果，具有良好的前期工作基础。 三、应用技术成果 我们在深度学习与超快速磁共振成像方面的结合进行了深度研究，并取得许多重要成像。我们研究了基于深度学习的超快速多参数磁共振成像重建，并取得良好的效果，如图1所示。我们还研究了利用深度学习对磁共振成像进行无参考扫描的扭曲校正，如图2所示。
厦门大学
2021-04-11
基于全景影像的街景面片优化方法
本发明公开了一种基于全景影像的街景面片优化方法，包括以下步骤：步骤 1：获取车载 LiDAR 点 云数据和全景影像，并将全景影像与车载 LiDAR 点云数据进行配准；步骤 2：将车载 LiDAR 点云数据 分割为多个面片，获得面片与全景影像站点的对应关系，将面片投影到全景影像上，得到面片对应的透 视平面影像；步骤 3：对透视平面影像进行分析，删除树木点，并进行面片拉伸。本发明基于全景影像 优化街景面片，在点云数据的结果上进一步提高面片的精度和准
武汉大学
2021-04-14
深圳市长丰影像器材有限公司
深圳市长丰影像器材有限公司成立于2011年，总部设立在广东深圳，是一家集产品研发、生产、销售于一体的高新技术企业，多年来一直致力于影像器材以及声音技术的开发制造。
长丰公司长期服务于摄影摄像和广播电视行业，为主流媒体、传媒工作室以及广大的摄影摄像爱好者提供从影像稳定系统到声音输入输出系统的整体解决方案。公司目前拥有三个自主品牌：Saramonic枫笛、BOYA博雅、SEVENOAK七棵橡树，自主研发和生产的产品销往全球100多个国家和地区。
经过近10年的发展，目前长丰拥有占地万余平米的生产基地和产品研发中心，配备了国内外最先进的研发测试设备和专业声音实验室，建立了专业的研发团队和完善的质量管理体系。2013年，长丰公司通过ISO9001质量管理体系认证，出口销售的产品均获得相应的质量认证如CE、ROHS、FCC、NCC、KCC、TELEC、EN300等。经过多年创新和沉淀，公司拥有百余项国内外各类发明和创新专利，2018年，公司荣获“国家高新技术企业”认证，并得到深圳市政府和科创委的大力扶持。
深圳市长丰影像器材有限公司
2022-07-04
医学影像设备学综合电路实验箱
是新华医疗强大X线机研发团队专门为高校医学影像专业教学设计的又一力作，本实验台综合了单个实验箱的实验功能，综合性强，可使学生在比较中进行实验，进而提高学生综合运用知识的实验效果，让学生亲身体验，学以致用。主要实验模块包括：整流电路实验、高频X线机逆变频率电路实验、旋转阳极启动与保护电路实验、磁饱合稳压电路实验、曝光限时电路实验、管电压管电流测量实验、接地电阻测量实验、X线机发生器基本工作原理及控制实验等。
山东新华医疗器械股份有限公司
2022-11-08
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10