|
搜索
搜 索
高等教育领域数字化综合服务平台
用于实验动物PET、CT 及MR 图像融合及固定的装置
相关专利提出了一种用于实验动物固定及实验动物图像融合于一体的辅助设备，用于实验动物的固定及 PET、CT 及 MR 图像融合。该系统在保障了实验动物和工作人员的安全的同时，为图像融合方式方法的研究提供依据，为科研及其临床转化提供更有效、精确、直观的帮助应用范围:这种图像融合、固定装置可应用于小动物疾病模型研究、肿瘤生成机制、肿瘤早期成像等实验研究中，在此基础上，判断所制动物模型是否符合临床需要、所移植肿瘤状态是否符合实验需要。同时，还可以为临床找到最优的图像融合方法提供依据，具有非常重要的应用价值。效益分析:基于相关专利开发的实验动物固定及图像融合设备，具有操作简便、成本合理、可重复使用等优点，其主要技术优势和性能指标如下： 一、主要技术优势 （1）可对在实验过程中的实验动物进行固定，有利于保障实验动物和工作人员的安全； （2）可实现两种或三种成像检查图像的精确融合，从而结合各成像技术的优势，为动物活体实验提供更多无创的图像信息。 二、主要性能指标 （1）对实验动物（如鼠、兔等）进行固定； （2）为小动物 PET、CT 及 MR 图像提供固定识别位点，实现两种或三种成像检查图像的精确融合。
天津医科大学
2021-04-10
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
基于AI 机器学习的影像组学模型研究
2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。
东南大学
2021-04-10
多模态医学影像智能协诊系统TPAID
中试阶段/n该项目主要针对开源CT 医学影像数据和多中心合作单位提供的多模医学影像数据，采用人工智能技术和自主研制的深度学习算法对心脏左心室、肿瘤等CT 影像数据进行全自动分割，验证了所研制算法在该项目计算机辅助肿瘤智能诊断应用中的有效性，为项目产业化实施奠定了方法基础。成果的先进性或独特性：针对不同类型的医学影像感知设备，设计针对性强的机器学习智能算法；国内同类研究中首次采用“双盲评估+验证”的科研方法对影像数据进
武汉大学
2021-01-12
三维点云与光学影像融合装备
考虑三维点云缺少颜色信息和光学影像缺少空间信息的互补特性，三维点云与光学影像多光融合装备可以提升数据的信息量，基于三维点云和二维图像融合的可视化结果，能够增强三维场景真实感，相较于可见光图像，融合后的三维点云可以实现多角度观测，能够更好的表达的空间特征。
相较于原始和伪彩色点云数据，融合后的三维点云有了色彩纹理信息，目标的形态和边缘都更加明显，整个三维场景更加的真实，也为后续识别、定位、重建等过程提供更多细节信息；同时克服了单一传感器的局限性，充分发挥两者的互补优势，大幅提升了探测设备的环境适应性，适用于全天时复杂场景的下目标探测，具有很强的实用价值。在无人驾驶领域，譬如智能导航、环境感知、高精度地图的构建等，都依赖于可见光图像和点云的融合处理。大家所熟知的百度 Apollo、谷歌 Waymo 自动驾驶系统均应用视觉相机和激光雷达作为主传感器进行定位和环境感知，目前已经实现 L4 级别的高度自动化驾驶。此外，在医学影像、高精度工程测量、工业生产、虚拟现实等领域，三维点云和可见光图像融合技术也有着广泛应用。
图1.三维点云与光学影像融合效果
北京理工大学
2022-12-12
医学影像云诊断思维训练与考核系统
该系统基于各级医疗系统的影像科研临床应用基础及各类院校影像教学大 纲而开发，贴合各级诊疗机构日常诊疗习惯和院校教学大纲需求，方便教师对各 类影像图片的展示和教学，能更好的让学生全面对各类影像进行阅片、报告书写 练习，以及熟悉临床应用及诊疗流程，有利于训练学生的影像技能操作能力及就业。
山东新华医疗器械股份有限公司
2022-11-08
用于腹盆部PET、CT 及MR 图像融合的立体定向框架
相关专利涉及一种用于医学影像学诊断、治疗的辅助设备，具体涉及一种用于 PET、CT 及 MR 图像融合的腹盆部立体定向框架，该装置固定后可通过更换装载不同造影材料的定位棒，为不同影像数据添加定位信息，通过“外部特征点提取法”实现任意两组或三组独立影像图像的精确融合。
天津医科大学
2021-02-01
用于腹盆部PET、CT 及MR 图像融合的立体定向框架
相关专利涉及一种用于医学影像学诊断、治疗的辅助设备，具体涉及一种用于 PET、CT 及 MR 图像融合的腹盆部立体定向框架，该装置固定后可通过更换装载不同造影材料的定位棒，为不同影像数据添加定位信息，通过“外部特征点提取法”实现任意两组或三组独立影像图像的精确融合。应用范围:可用于任意品牌、型号的 PET、CT 或 MR 机的图像融合，实现了昂贵 PET/CT、PET/MR 机的主要功能，提升了单项设备的应用价值。效益分析:基于相关专利开发的用于腹盆部 PET、CT 及 MR 图像融合的立体定向设备，具有操作简便、成本合理、可重复使用等优点，其主要技术优势和性能指标如下： 一、主要技术优势 （1）可用于任意品牌、型号的 PET、CT 或 MR 机，实现了昂贵 PET/CT、PET/MR 机的主要功能，提升了单项设备的应用价值； （2）该方法能对腹盆腔内固定的解剖部位或相同病变区域同时显示出PET、CT 和 MR 扫描结果。整合后的图像比组成它的各个子图具有更优越的性能，实现信息论中 1+1>2 的效果。 （3）可更加精确、直观、全面地为医生提供盆腔病变范围、形态等解剖结构变化及代谢功能信息，提供单一影像检查难以发现或定位的疾病诊断信息，突出各自的检测优势和特点，为科研、临床诊断和治疗提供了更有效、精确、直观的帮助。 二、主要性能指标 （1）为腹盆部 PET、CT 及 MR 图像提供固定识别位点，实现同层面、不同检查方法的图像的精确融合。
天津医科大学
2021-04-10
一种基于超声 CT 的合成孔径成像方法及系统
本发明公开了一种基于超声 CT 的合成孔径成像方法及系统， 所述方法包括如下步骤：S1、利用超声 CT 环阵探头采集超声反射接 收的数据，获取原始回波数据；S2、对所述原始回波数据进行合成孔 径聚焦，获取各成像点的值；S3、旋转超声 CT 的环阵探头，重复步 骤 S1-S2，得到多组成像点的值；其中每次旋转的角度小于相邻两个阵 元到环阵探头圆心之间的夹角；S4、对所有成像点的值进行加权平均， 再依次进行包络检测、对数压缩和灰度映射处理，得到最终的高分辨 率图像。本发明还提供了实现上述方法的系统。本发
华中科技大学
2021-04-14
无需 POS 辅助的低空遥感影像快速自动拼接方法
本发明公开了一种无需 POS 辅助的低空遥感影像快速自动拼接方法，包括步骤:步骤 1，低空遥感 影像测区的全自动恢复;步骤 2，根据精匹配种子点对预处理后的影像进行精匹配获得精匹配结果;步 骤 3，对精匹配结果进行自由网平差迭代获得平差结果;步骤 4，根据差结果内插生成影像的数字地面 模型，根据平差结果获取影像在自由网坐标系下的相对外方位元素，基于数字地面模型和相对外方位元 素对各影像进行正射纠正，同时生成测区的正射影像拼接图。本发明无需 POS 数据辅助，可实现全自 动、快速生产正射影像拼图，能满足遥感影像准实时处理要求，适用于灾害应急响应、军事保障等领域。
武汉大学
2021-04-13