| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 81 | 一种基于多维度分析的免疫人群确定方法和系统 | CN202311257835.0 | 2023-09-27 | CN116994770B | 2024-01-02 | 王友于; 冯刚; 白义凤; 彭盛坤; 谢升龙; 贾克刚 |
| 本发明属于智能医疗领域，具体的，请求保护一种基于多维度分析的免疫人群确定方法和系统，寻找接受免疫治疗的GFR‑TKI耐药的NSCLC患者的疗效及预后相关的CT影像组学特征，构建并验证基于影像组学特征的多维度预后模型；训练基于影像组学特征的深度神经网络预测系统，用于免疫治疗疗效及预后预测，并在前瞻性数据集验证其外部适用性和泛化能力，明确深度神经网络在GFR‑TKI耐药的NSCLC患者的疗效及预后预测中的价值，实现从理论到临床实践应用的转化；本发明探讨模型疗效及预后预测的潜在分子基础，阐明深度神经网络预测系统表型特征所反映的分子生物学特性。 | ||||||
| 82 | CT图像的肺动静脉分割方法、装置、介质及设备 | CN202110614499.5 | 2021-06-02 | CN113409328B | 2024-01-02 | 周庆华; 覃文军; 张子明; 李小硕; 杨金柱; 赵大哲 |
| 本公开实施例涉及一种CT图像的肺动静脉分割方法、装置、介质及电子设备，其方法包括：对预先获取的胸部CT图像进行预处理，得到所述胸部CT图像中的肺部区域范围；基于所述胸部CT图像进行多平面重建，在重建过程中通过阈值分割法分割得到肺血管图像；对所述肺血管图像，通过区域生长法进行图像分割得到肺动脉图像和不包含动脉的待分割静脉图像；对所述待分割静脉图像，通过区域生长法进行图像分割，得到肺静脉图像；基于所述肺部区域范围，对所述肺动脉图像和所述肺静脉图像进行图像分割，得到肺部动脉图像和肺部静脉图像。通过本申请的肺动静脉分割方法，分割结果准确度高，能够满足临床应用需求。 | ||||||
| 83 | 医学影像扫描方案的调节方法和存储介质 | CN202210728055.9 | 2022-06-23 | CN117316417A | 2023-12-29 | 向秋静; 李国斌 |
| 本发明公开了一种医学影像扫描方案的调节方法和存储介质，所述调节方法包括：获取检测对象孪生数据；所述检测对象孪生数据包括检测对象画像数据；根据所述检测对象孪生数据，确定与所述检测对象孪生数据对应的初始医学影像扫描方案，所述初始医学影像扫描方案划分为多个扫描阶段；执行所述初始医学影像扫描方案，且在当前扫描阶段执行过程中，判断所述检测对象画像数据是否发生变化；响应于所述检测对象画像数据发生变化，则对所述医学影像扫描方案的至少一个待执行扫描阶段的参数进行优化。从而实现了医学影像扫描方案可以根据检测对象画像数据变化而进行动态调整，进而提高了医学影像扫描方案的推荐的准确性，保证了检查结果的准确性。 | ||||||
| 84 | 用于近红外数据的信息管理装置以及信息管理方法 | CN202311142838.X | 2023-09-06 | CN116884555B | 2023-12-29 | 汪恭正; 邓皓 |
| 本申请提供了用于近红外数据的信息管理装置以及信息管理方法。信息管理装置包括处理器，处理器被配置为在经由近红外数据采集装置对受检者进行近红外数据采集结束后，在显示界面上自动弹出用于编辑个人信息的编辑框，编辑框中包括个人信息项和修改方式项；在用户基于个人信息项进行核实的情况下，响应于用户对修改方式项的修改方式的选择操作，执行通过修改方式项对当前受检者的个人信息进行修改的第一修改操作；或，执行确认当前受检者的个人信息正确的确认操作；个人信息项中的个人信息响应于第一修改操作进行个人信息的更新。如此，能够确保存储的个人信息与采集的近红外数据能够正确匹配，提高了用户进行信息管理的效率。 | ||||||
| 85 | 一种剂量分布的预测方法、系统、装置和存储介质 | CN202311400458.1 | 2023-10-26 | CN117275670A | 2023-12-22 | 刘焰飞 |
| 本说明书实施例提供一种剂量分布的预测方法、系统、装置和存储介质，该方法包括：获取目标对象的图像勾画信息以及对应于目标对象的期望风格；将目标对象的图像勾画信息以及对应于目标对象的期望风格输入训练好的剂量预测模型，得到对应于目标对象的期望风格的剂量分布；剂量预测模型通过第一阶段训练和第二阶段训练获取，第一阶段训练用于得到样本图像的计划风格，第二阶段训练用于基于样本图像的计划风格训练初始剂量预测模型，以获取训练好的剂量预测模型；其中，目标对象的期望风格对应于计划风格中的至少一种。 | ||||||
| 86 | 基于计算机视觉的医疗护理智能监测方法 | CN202311567917.5 | 2023-11-23 | CN117274269A | 2023-12-22 | 庞流芳; 张岳; 曾婷; 周莹; 段慧晶 |
| 本发明涉及图像局部操作的技术领域，具体涉及一种基于计算机视觉的医疗护理智能监测方法，包括：获取医疗护理图像的频谱图，将频谱图分割为各局部区域；根据各局部区域内各个特征点的位置和角度，确定特征权重；根据各局部区域的特征权重和各局部区域内各个子块区域的功率谱密度，确定感兴趣值；根据各局部区域的感兴趣值确定各局部区域的最优高频阈值；利用最优高频阈值得到的空域图像进行医疗护理监测。本发明根据局部区域具体特征针对性地选取适当的高频阈值，消除了单一高频阈值下图像的高频边缘保留效果较差的影响，提高了医疗护理监测的监测准确性。 | ||||||
| 87 | 一种内窥镜控制组件控制方法及系统 | CN202311210708.5 | 2023-09-19 | CN117257204A | 2023-12-22 | 王业进; 丁海亮 |
| 本发明涉及内窥镜技术领域，具体公开了一种内窥镜控制组件控制方法及系统。通过内窥镜头的拍摄图像信息确定内窥镜头的图像补偿模式，其中，所述图像补偿模式包括光感补偿模式和饱和度拉伸补偿模式，通过光感补偿模式能够对人体器官内部的气泡光感进行补偿，然后再通过所述光波吸能信息对光波特征信息对应的图像进行质量增强，这样通过气泡感光补偿图像信息或增强图像信息对能够对内窥镜拍摄过程中造成图像质量低的因素进行补强，而在补强后，能够使内窥镜头的拍摄图像质量得到有效的提升，进而能够避免内窥镜头的拍摄图像质量低对医生产生误导的问题。 | ||||||
| 88 | 一种基于图像数据分析的医学X线片放大率测量系统及方法 | CN202010522665.4 | 2020-06-10 | CN111797902B | 2023-12-22 | 贾阳; 杨斌; 王海娟; 靳晓辉; 杜涵容; 陈伟光 |
| 89 | 一种医学处理效果预测方法、装置、电子设备及存储介质 | CN202311153649.2 | 2023-09-07 | CN117253601A | 2023-12-19 | 罗立刚; 张国伟; 高光明; 侯波林; 罗祥凤 |
| 本申请提供了一种医学处理效果预测方法、装置、电子设备及存储介质；该方法首先获取待预测对象在第一状态下的第一图像和第二状态下的第二图像；之后，确定第一图像对应的第一待预测目标以及第二图像对应的第二待预测目标；其次，获取第一待预测目标对应的第一待测区域组的第一特征数据以及第二待预测目标对应的第二待预测区域组的第二特征数据；最后，根据第一特征数据和第二特征数据确定待预测对象的医学处理效果。由此，通过第一图像和第二图像对应的待预测区域组的特征数据确定医学处理效果，有效避免依靠医护人员根据经验对医学处理效果进行预测的主观性，并充分考虑了图像中对应的待预测区域组的特征，提高了医学处理效果的预测准确率。 | ||||||
| 90 | 一种基于双层图卷积神经网络的肝癌病理预后系统及装置 | CN202310962835.4 | 2023-08-02 | CN116682576B | 2023-12-19 | 李劲松; 邓博洋; 田雨; 周天舒 |
| 91 | 用于显示阳性部位的医学影像的确定方法和装置 | CN202311322586.9 | 2023-10-13 | CN117095795B | 2023-12-15 | 任大伟; 黄家祥; 胡文亮 |
| 本申请公开了一种用于显示阳性部位的医学影像的确定方法和装置。其中，一种用于显示阳性部位的医学影像的确定方法，包括：从医学影像报告的阳性描述语句中确定阳性部位，其中阳性描述语句用于描述阳性部位的征象或者疾病，并且其中阳性部位用于指示人体病变的部位；确定阳性部位在患者的定位像中的位置信息；以及根据阳性部位的位置信息确定与阳性部位对应的医学影像。 | ||||||
| 92 | 肋骨定位、骨折临床结局预测装置及自动诊断系统 | CN202011535974.1 | 2020-12-23 | CN112837264B | 2023-12-15 | 张宏; 周清清; 余玉盛; 胡章春; 唐雯; 王家硕 |
| 本发明公开了一种肋骨定位、骨折临床结局预测装置及自动诊断系统，其中，所述肋骨定位装置用于输出肋骨的解剖学定位标签；所述肋骨骨折临床结局预测装置用于预测肋骨骨折的临床结局。本发明还公开了一种肋骨骨折分类装置，可检测并分类肋骨骨折，输出精细化的肋骨骨折分类标签，包括新鲜错位/非错位骨折、愈合期骨折、陈旧性骨折、病理性骨折。基于上述装置，本发明还公开了一种肋骨骨折自动诊断系统。本发明提高了肋骨骨折自动诊断中肋骨定位的精确度、骨折分类的精细度，并能进一步预测临床结局，有利于筛选预后不良患者而提前干预治疗。 | ||||||
| 93 | 一种基于深度学习的黑色素瘤图像分割方法 | CN202311082748.6 | 2023-08-25 | CN117218138A | 2023-12-12 | 王海权; 钱春花; 王瑞 |
| 本发明公开了一种基于深度学习的黑色素瘤图像分割方法，采用优化后的U‑Net分割网络与Diffusion概率扩散网络相结合，实现了对黑色素瘤图像的高效分割。本发明结合了深度学习和传统图像处理技术，显著提高了分割精度和速度，其准确率高于目前主流分割方法。为方便医生和患者查看分割结果与原始图像，本发明还采用可视化界面，便于分析和判断；界面支持数据导出，有利于后续研究与处理。通过提供API接口，本发明可以方便地集成到现有医疗系统和移动应用中，为临床医生提供实时、准确的辅助诊断工具，有助于提高诊断效率和降低误诊率。除了黑色素瘤病灶区域的图像分割，本发明还可推广至其他皮肤病病灶的检测与分析，具有广泛的应用前景。 | ||||||
| 94 | 超声波时间序列数据处理装置及非暂时性存储介质 | CN202310594523.2 | 2023-05-24 | CN117204889A | 2023-12-12 | 长野智章; 笠原英司; 浅房胜德 |
| 本发明提供超声波时间序列数据处理装置及非暂时性存储介质。通过针对在对象被检体内设定的相同的扫描面重复进行超声波的发送或接收，来在接收部(16)、图像生成部(18)、跟踪处理部(20)、弹性处理部(22)或多普勒处理部(24)中取得时间序列的对象时间序列数据。特征预测部(48)对学习成基于所输入的时间序列数据来预测并输出该时间序列数据所表示的特征的学习器输入对象时间序列数据，基于学习器对对象时间序列数据的输出数据，来预测对象时间序列数据表示的特征。显示控制部(26)将特征预测部(48)所得到的预测结果通知给用户。 | ||||||
| 95 | 一种基于临床数据的急性生理慢性健康评估方法及系统 | CN202311276903.8 | 2023-09-28 | CN117198535A | 2023-12-08 | 卢虎强; 梁元才; 王景程; 陈珊瑜; 黄立民 |
| 本发明属数据分析技术领域，公开了一种基于临床数据的急性生理慢性健康评估方法及系统。所述的方法包括如下步骤：构建专家知识库；对若干历史临床数据进行聚类和样本均衡；将若干样本均衡后历史临床数据集输入专家知识库进行优化；使用深度学习算法，构建体征严重程度预测模型；进行急性生理慢性健康评估；进行体征严重程度预测；生成急性生理慢性健康评估报告。所述的系统包括依次连接的专家知识库构建模块、数据处理模块、数据优化模块、模型构建模块、急性生理慢性健康评估模块、体征严重程度预测模块以及报告生成模块。本发明解决了现有技术存在的工作量大、分析效率低下以及准确性低下的问题。 | ||||||
| 96 | 脑电仪的效果评价方法、装置、终端及存储介质 | CN202311183161.4 | 2023-09-13 | CN117198470A | 2023-12-08 | 姚乃琳 |
| 本发明公开了脑电仪的效果评价方法、装置、终端及存储介质，涉及智能设备领域。本发明在基于客观事实确定的效果值的基础上结合了用户的主观评价进行微调，得到一个融合了客观性和主观性的效果值。用户通过该效果值可以更好地获知自身的使用效果，同时这种个性化的效果值也有利于脑电仪的开发者更好地分析用户数据，对脑电仪的功能和智能操控做进一步的改进。 | ||||||
| 97 | 一种医学影像AI智能教学管理系统及其使用方法 | CN202310947758.5 | 2023-07-31 | CN117196900A | 2023-12-08 | 赵振华; 毛海佳; 李怀峰; 赵丽; 黄亚男; 杨建峰; 周建炜 |
| 本发明公开一种医学影像AI智能教学管理系统及其使用方法，系统包括以下模块，教学数据库，教学汇聚服务器，学习工作站，AI交互服务器，AI作业分析服务器，AI报告训练服务器，屏幕；学习工作站与教学汇聚服务器连接，教学汇聚服务器与教学数据库连接，教学数据库与AI交互服务器连接，AI交互服务器与AI作业分析服务器连接，AI作业分析服务器与AI报告训练服务器连接，AI报告训练服务器与教学数据库连接，AI交互服务器与教学汇聚服务器连接，屏幕与学习工作站连接。该系统及其使用方法具有辅助教师教学，学生实时训练图像诊断的特点。 | ||||||
| 98 | 残差网络与通道注意力协同驱动下的基因突变预测方法 | CN202310683300.3 | 2023-06-09 | CN116703867B | 2023-12-08 | 董云云; 孙丽超; 景超; 常锐云; 赵子安; 张源榕; 常云青; 杨炳乾; 白玉洁; 冯秀芳 |
| 本发明提供了一种残差网络与通道注意力协同驱动下的基因突变预测方法，属于深度学习技术领域；解决了现有深度学习在基因突变预测中存在的无法获取大规模影像数据、难以判断基因突变的类型导致模型精度低的问题；包括如下步骤：输入肺部的CT图像并进行预处理，然后将预处理后的肺部CT图像输入进行卷积处理提取肺结节的初步特征；使用1×1的卷积层，将残差块与SE机制的通道连接，实现跨通道的交互并将提取的肺结节信息进行整合；通过由残差块和SE机制组成的模块，重复两次来提取肺结节的精细特征；通过自适应平均池化层与全连接层连接对提取肺结节的精细特征进行分类，根据分类结果对基因突变进行多任务预测；本发明应用于基因突变预测。 | ||||||
| 99 | 基于AI的高原地区胃癌及癌前病变病理辅助诊断装置 | CN202310869269.2 | 2023-07-14 | CN117174281A | 2023-12-05 | 牛云; 钟定荣; 王书浩 |
| 本发明提供基于AI的高原地区胃癌及癌前病变病理辅助诊断装置及方法，其中，装置包括：收集子系统，用于收集高原地区胃癌及癌前病变病理的标注数据集；构建子系统，用于基于AI技术，根据标注数据集，构建待验证辅助诊断模型；验证子系统，用于获取待验证辅助诊断模型中验证通过的待测试辅助诊断模型；测试子系统，用于获取待测试辅助诊断模型中应用场景测试通过的胃癌与癌前病变辅助诊断模型；辅助诊断子系统，用于基于胃癌与癌前病变辅助诊断模型，进行辅助诊断。本发明的基于AI的高原地区胃癌及癌前病变病理辅助诊断装置及方法，训练高原地区的胃癌与癌前病变辅助诊断模型，辅助高原地区医疗人员诊断，胃癌诊断更准确且效率更高。 | ||||||
| 100 | 医疗影像的处理装置、电子设备及计算机可读存储介质 | CN202311454360.4 | 2023-11-03 | CN117174257A | 2023-12-05 | 周琦超; 刘骁 |
| 本申请公开了一种医疗影像的处理装置、电子设备及计算机可读存储介质。该装置包括：接收单元，用于接收用户端发送的目标医疗影像以及临床诊断需求，并从模型库中获取用于处理临床诊断需求的医疗预测模型，其中，医疗预测模型通过目标样本数据训练得到，目标样本数据由临床诊断需求关联的影像组学特征和历史医疗影像组成；预测单元，用于将目标医疗影像输入医疗预测模型中，得到预测结果；生成单元，用于将预测结果确定为目标医疗影像的诊断结果，根据诊断结果生成诊断信息，将诊断信息发送至用户端。通过本申请，解决了相关技术中由于医学影像的样本数量较少，导致训练得到的神经网络模型预测准确性较低的问题。 | ||||||
QQ群二维码
意见反馈
意见反馈