CN106355023A - 基于医学影像的开放式定量分析方法与系统 - Google Patents
基于医学影像的开放式定量分析方法与系统 Download PDFInfo
- Publication number
- CN106355023A CN106355023A CN201610797858.4A CN201610797858A CN106355023A CN 106355023 A CN106355023 A CN 106355023A CN 201610797858 A CN201610797858 A CN 201610797858A CN 106355023 A CN106355023 A CN 106355023A
- Authority
- CN
- China
- Prior art keywords
- feature
- image
- data
- analysis method
- medical image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种基于医学影像的开放式定量分析方法,包括步骤:S1、获取医学影像数据,对医学影像的病灶组织进行分割,对病灶组织进行自动或辅助定位和肿瘤提取,实现病变部位的分割;S2、根据分割出的病灶组织进行特征提取,挖掘影像特征,建立病变组织影像特征数据库;S3、在病变组织影像特征数据库的基础上,结合患者的临床信息与病灶影像特征,利用计算机分析算法,建立辅助诊断、预后和预测精度的模型。本发明的分析方法通过将大数据的分析方法应用于影像组学,更好的辅助医生进行诊断。
Description
技术领域
本发明涉及影像组学辅助诊断的技术,特别是涉及一种开放式定量分析方法,还涉及开放式定量分析系统。
背景技术
近年来,在医疗影像领域,大量的医学图像带来了新的研究机遇:
a)他们可以给出强大和可靠的医学图像分析报告是基于上大量图像得来的;
b)他们可以开发依赖于很多样本和实例,如数据挖掘和机器学习的,这些可以被引入到医学图像分析领域更先进的方法。
医学影像的快速发展促进了影像组学医学图像的综合分析方法。影像组学一般指使用计算机断层扫描(CT),正电子发射断层扫描(PET)或磁共振成像(MRI)高质量荧光图像进行先进的特征分析的方法。
在利用医疗图像进行诊断时,现有技术中主要是采用目视检查影像的传统做法,仅仅依靠经验进行判断,可能因获得的信息存在差别,各人的判断存在差别,在辅助诊断、预后和预测精度上存在欠缺。
发明内容
本发明的目的在于,提出一种基于医学影像的开放式定量分析方法及分析系统,以解决现有技术中的至少一项技术问题。
根据本发明的一方面,提供一种基于医学影像的开放式定量分析方法,包括以下步骤:
S1、获取医学影像数据,对医学影像的病灶组织进行分割,对病灶组织进行自动或辅助定位和肿瘤提取,实现病变部位的分割;
S2、根据分割出的病灶组织进行特征提取,挖掘影像特征,建立病变组织影像特征数据库;
S3、在病变组织影像特征数据库的基础上,结合患者的临床信息与病灶影像特征,利用计算机分析算法,建立辅助诊断、预后和预测精度的模型。
优选的,步骤S1中,采用随意游走自动分割算法对病灶组织进行分割:以初始含肿瘤区域为基础,采用一种递归的直方图均衡化算法实现病灶肿瘤的粗提取,然后进行种子点的前景和背景选取。
优选的,所述种子点的选取个数为4个。
优选的,步骤S2中,所述特征体提取方式包括:根据特征所在空间维度不同图像特征分为一阶统计特征和多维统计特征,和/或根据特征提取时基于的不同方向和不同步长提取多方向多尺度的影像特征。
优选的,步骤S2中,所述影像特征包括灰度共生矩阵和游程矩阵高维纹理特征。
优选的,步骤S3中,所述计算机分析算法包括数据挖掘方法和/或机器学习方法。
优选的,步骤S3中,重点提取多维度和多方向的纹理特征,从不同尺度提取三维空间中的灰度共生矩阵,游程矩阵等高维纹理特征,建立完备的特征库对于后续关键特征筛选以及预后分析能够提供更全面的数据支持。
优选的,步骤S3中,患者的临床信息与病灶影像特征包括患者的临床病理、临床分期、基因突变和/或随访生存时间参数。
优选的,步骤S3具体为:将数据库内不同类型癌变数据进行“训练数据集”和“测试数据集”的分类,对训练数据集中不同类别的病变数据分别采用数据挖掘和机器学习的方法进行模型训练,并将一个完备的训练模型用于测试数据集实现未知病变的分析和预测,得到患者的病理,临床分期,基因信息和生存期的分析结果。
根据本发明的另一方面,提供一种基于医学影像的开放式定量分析系统,包括:
病灶组织分割单元:用于获取医学影像数据,对医学影像的病灶组织进行分割,对病灶组织进行自动或辅助定位和肿瘤提取,实现病变部位的分割;
特征提取单元:根据分割出的病灶组织进行特征提取,挖掘影像特征,建立病变组织影像特征数据库;以及
建模单元:在病变组织影像特征数据库的基础上,结合患者的临床信息与病灶影像特征,利用计算机分析算法,建立辅助诊断、预后和预测精度的模型。
通过上述技术方案,可知本发明的医学影像的开放式定量分析方法与系统具有以下有益效果:
(1)影像组学试图使大量的图像,从数据采集,识别病变部位,病变分割,特征提取和信息发现,从而基于所开采的特征提供更全面的信息;
(2)在利用医疗图像进行诊断时,与仅用于目视检查影像的传统做法相比,影像组学分析的目的是医学图像转化为可挖掘信息与其他病人的临床资料结合起来,使用先进的生物信息学工具,研究人员能够开发出可潜在地提高诊断,预后和预测精度的模型。
附图说明
图1是本发明具体实施方式的开放式定量分析方法的流程图。
图2是本发明具体实施方式的开放式定量分析系统的方框图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。在说明书中,相同或相似的附图标号指示相同或相似的部件。下述参照附图对本发明实施方式的说明旨在对本发明的总体发明构思进行解释,而不应当理解为对本发明的一种限制。
根据本发明的基本构思,提供一种开放式定量分析方法,通过对收集到的影像数据进行病灶组织的分割、特征提取,以及利用提取分析得到的特征,利用计算机分析算法进行分析与预测。
图1是本发明具体实施方式的开放式定量分析方法的流程图。
本发明的一种具体实施方式,提供一种基于医学影像的开放式定量分析方法,包括如下步骤:
S1、获取医学影像数据,对医学影像的病灶组织进行分割,对病灶组织进行自动或辅助定位和肿瘤提取,实现病变部位的分割;
其中,采用一种基于随意游走自动分割算法对数据库中病变组织完成分割。算法以初始含肿瘤区域为基础采用一种递归的直方图均衡化实现病灶肿瘤的粗提取,进而进行种子点的前景背景选取。
通过实验得知,四种子点可以得到最好的效果,通过随机游走的计算方法可以得到需要的肿瘤,能够实现分割良好的实时性和鲁棒性。
S2、根据分割出的病灶组织进行特征提取,挖掘影像特征,建立病变组织影像特征数据库;
根据特征所在空间维度不同图像特征可分为一阶统计特征和多维统计特征;根据特征提取时基于的不同方向和不同步长可提取多方向多尺度的影像特征。重点提取多维度和多方向的纹理特征,从不同尺度提取三维空间中的灰度共生矩阵,游程矩阵等高维纹理特征,建立完备的特征库对于后续关键特征筛选以及预后分析能够提供更全面的数据支持。
S3、在病变组织影像特征数据库的基础上,结合患者的临床信息与病灶影像特征,利用计算机分析算法,建立辅助诊断、预后和预测精度的模型。
基于已经完成的数据库内所有影像特征集与患者的临床病理,临床分期,基因突变和随访生存时间等参数,将数据库内不同类型癌变数据进行“训练数据集”和“测试数据集”的分类,对训练数据集中不同类别的病变数据分别采用数据挖掘和机器学习的方法进行模型训练,并将一个完备的训练模型用于测试数据集实现未知病变的分析和预测,得到患者的病理,临床分期,基因信息和生存期的定性以及定量的分析结果。
在利用医疗图像进行诊断时,与仅用于目视检查影像的传统做法相比,影像组学分析的目的是医学图像转化为可挖掘信息与其他病人的临床资料结合起来。使用先进的生物信息学工具,研究人员能够开发出可潜在地提高诊断,预后和预测精度的模型。
与上述分析方法相对应的,参见图2所示,本发明还提供一种基于医学影像的开放式定量分析系统100,包括:
病灶组织分割单元101:用于获取医学影像数据,对医学影像的病灶组织进行分割,对病灶组织进行自动或辅助定位和肿瘤提取,实现病变部位的分割;
特征提取单元102:根据分割出的病灶组织进行特征提取,挖掘影像特征,建立病变组织影像特征数据库;以及
建模单元103:在病变组织影像特征数据库的基础上,结合患者的临床信息与病灶影像特征,利用计算机分析算法,建立辅助诊断、预后和预测精度的模型。
根据本发明各实施例的上述方法或系统可以通过有计算能力的电子设备执行包含计算机指令的软件来实现。所述有计算能力的电子设备可以是通用处理器、数字信号处理器、专用处理器、可重新配置处理器等,但不限于此。执行这样的指令使得电子设备被配置为执行根据本发明的上述各项操作。上述各设备和/或部件可以在一个电子设备中实现,也可以在不同电子设备中实现。这些软件可以存储在计算机可读存储介质中。计算机可读存储介质存储一个或多个程序(软件模块),所述一个或多个程序包括指令,当电子设备中的一个或多个处理器执行所述指令时,所述指令使得电子设备执行本发明的方法。
这些软件可以存储为易失性存储器或非易失性存储装置的形式(比如类似ROM等存储设备),不论是可擦除的还是可重写的,或者存储为存储器的形式(例如RAM、存储器芯片、设备或集成电路),或者被存储在光可读介质或磁可读介质上(比如,CD、DVD、磁盘或磁带等等)。应该意识到,存储设备和存储介质是适于存储一个或多个程序的机器可读存储装置的实施例,所述一个程序或多个程序包括指令,当所述指令被执行时,实现本发明的实施例。实施例提供程序和存储这种程序的机器可读存储装置,所述程序包括用于实现本发明的任何一项权利要求所述的装置或方法的代码。此外,可以经由任何介质(比如,经由有线连接或无线连接携带的通信信号)来电传递这些程序,多个实施例适当地包括这些程序。
根据本发明各实施例的方法或系统还可以使用例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)或可以以用于对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。在以这些方式实现时,所使用的的软件、硬件和/或固件被编程或设计为执行根据本发明的相应上述方法、步骤和/或功能。本领域技术人员可以根据实际需要来适当地将这些系统和模块中的一个或多个,或其中的一部分或多个部分使用不同的上述实现方式来实现。这些实现方式均落入本发明的保护范围。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于医学影像的开放式定量分析方法,其特征在于,包括以下步骤:
S1、获取医学影像数据,对医学影像的病灶组织进行分割,对病灶组织进行自动或辅助定位和肿瘤提取,实现病变部位的分割;
S2、根据分割出的病灶组织进行特征提取,挖掘影像特征,建立病变组织影像特征数据库;
S3、在病变组织影像特征数据库的基础上,结合患者的临床信息与病灶影像特征,利用计算机分析算法,建立辅助诊断、预后和预测精度的模型。
2.根据权利要求1所述的分析方法,其特征在于,步骤S1中,采用随意游走自动分割算法对病灶组织进行分割:以初始含肿瘤区域为基础,采用一种递归的直方图均衡化算法实现病灶肿瘤的粗提取,然后进行种子点的前景和背景选取。
3.根据权利要求2所述的分析方法,其特征在于,所述种子点的选取个数为4个。
4.根据权利要求1所述的分析方法,其特征在于,步骤S2中,所述特征体提取方式包括:根据特征所在空间维度不同图像特征分为一阶统计特征和多维统计特征,和/或根据特征提取时基于的不同方向和不同步长提取多方向多尺度的影像特征。
5.根据权利要求1所述的分析方法,其特征在于,步骤S2中,所述影像特征包括灰度共生矩阵和游程矩阵高维纹理特征。
6.根据权利要求1所述的分析方法,其特征在于,步骤S3中,所述计算机分析算法包括数据挖掘方法和/或机器学习方法。
7.根据权利要求1所述的分析方法,其特征在于,步骤S3中,重点提取多维度和多方向的纹理特征,从不同尺度提取三维空间中的灰度共生矩阵,游程矩阵等高维纹理特征,建立完备的特征库对于后续关键特征筛选以及预后分析能够提供更全面的数据支持。
8.根据权利要求1所述的分析方法,其特征在于,步骤S3中,患者的临床信息与病灶影像特征包括患者的临床病理、临床分期、基因突变和/或随访生存时间参数。
9.根据权利要求1所述的分析方法,其特征在于,步骤S3具体为:将数据库内不同类型癌变数据进行“训练数据集”和“测试数据集”的分类,对训练数据集中不同类别的病变数据分别采用数据挖掘和机器学习的方法进行模型训练,并将一个完备的训练模型用于测试数据集实现未知病变的分析和预测,得到患者的病理,临床分期,基因信息和生存期的分析结果。
10.一种基于医学影像的开放式定量分析系统,其特征在于包括:
病灶组织分割单元:用于获取医学影像数据,对医学影像的病灶组织进行分割,对病灶组织进行自动或辅助定位和肿瘤提取,实现病变部位的分割;
特征提取单元:根据分割出的病灶组织进行特征提取,挖掘影像特征,建立病变组织影像特征数据库;以及
建模单元:在病变组织影像特征数据库的基础上,结合患者的临床信息与病灶影像特征,利用计算机分析算法,建立辅助诊断、预后和预测精度的模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610797858.4A CN106355023A (zh) | 2016-08-31 | 2016-08-31 | 基于医学影像的开放式定量分析方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610797858.4A CN106355023A (zh) | 2016-08-31 | 2016-08-31 | 基于医学影像的开放式定量分析方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106355023A true CN106355023A (zh) | 2017-01-25 |
Family
ID=57858887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610797858.4A Pending CN106355023A (zh) | 2016-08-31 | 2016-08-31 | 基于医学影像的开放式定量分析方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106355023A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169497A (zh) * | 2017-04-14 | 2017-09-15 | 中国科学院苏州生物医学工程技术研究所 | 一种基于基因影像学的肿瘤影像标记物提取方法 |
CN107292103A (zh) * | 2017-06-19 | 2017-10-24 | 京东方科技集团股份有限公司 | 一种预测图像生成方法及装置 |
CN107582097A (zh) * | 2017-07-18 | 2018-01-16 | 中山大学附属第医院 | 一种基于多模态超声组学的智能辅助决策系统 |
CN107742536A (zh) * | 2017-10-16 | 2018-02-27 | 成都黑杉科技有限公司 | 信息处理的方法及装置 |
CN107977969A (zh) * | 2017-12-11 | 2018-05-01 | 北京数字精准医疗科技有限公司 | 一种内窥镜荧光图像的分割方法、装置及存储介质 |
CN108492885A (zh) * | 2018-02-26 | 2018-09-04 | 上海联影医疗科技有限公司 | 检查工作流推荐方法、装置及终端 |
CN108805892A (zh) * | 2018-06-01 | 2018-11-13 | 南方医科大学 | 一种pet图像鼻咽癌瘤内异质性的定量刻画方法 |
CN109223018A (zh) * | 2018-09-18 | 2019-01-18 | 包头市中心医院(内蒙古自治区脑血管病研究所) | 一种人工智能心脏ct自动化诊断系统 |
CN109427417A (zh) * | 2017-08-30 | 2019-03-05 | 西门子保健有限责任公司 | 用于在医学图像数据中分割检查对象的器官结构的方法 |
CN109492675A (zh) * | 2018-10-22 | 2019-03-19 | 深圳前海达闼云端智能科技有限公司 | 医学影像的识别方法、装置、存储介质和电子设备 |
WO2019052063A1 (zh) * | 2017-09-15 | 2019-03-21 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像分类处理系统及方法 |
CN110009645A (zh) * | 2019-04-11 | 2019-07-12 | 东北大学 | 一种肝癌病灶影像的双层轮廓分割方法 |
CN110021431A (zh) * | 2019-04-11 | 2019-07-16 | 上海交通大学 | 人工智能辅助诊断系统、诊断方法 |
CN110197236A (zh) * | 2018-10-17 | 2019-09-03 | 中山大学附属第三医院 | 一种基于影像组学对糖皮质激素疗效的预测和验证方法 |
CN110265095A (zh) * | 2019-05-22 | 2019-09-20 | 首都医科大学附属北京佑安医院 | 用于hcc复发及rfs的预测模型和诺模图的构建方法及应用 |
CN110292396A (zh) * | 2018-03-22 | 2019-10-01 | 深圳迈瑞生物医疗电子股份有限公司 | 定量成像的预测使用 |
CN110322426A (zh) * | 2018-03-28 | 2019-10-11 | 北京连心医疗科技有限公司 | 基于可变人体模型的肿瘤靶区勾画方法、设备和存储介质 |
CN110335665A (zh) * | 2019-04-01 | 2019-10-15 | 佛山原子医疗设备有限公司 | 一种应用于医学图像辅助诊断分析的以图搜图方法及系统 |
CN110533639A (zh) * | 2019-08-02 | 2019-12-03 | 杭州依图医疗技术有限公司 | 一种关键点定位方法及装置 |
CN111242174A (zh) * | 2019-12-31 | 2020-06-05 | 浙江大学 | 一种基于影像组学的肝癌图像特征提取与病理分类方法和装置 |
CN111261284A (zh) * | 2020-02-05 | 2020-06-09 | 杭州依图医疗技术有限公司 | 一种基于医学影像的诊断信息处理方法、装置及存储介质 |
CN111275558A (zh) * | 2020-01-13 | 2020-06-12 | 上海维跃信息科技有限公司 | 用于确定保险数据的方法和装置 |
CN111265234A (zh) * | 2020-03-05 | 2020-06-12 | 上海市肺科医院(上海市职业病防治院) | 一种肺部纵膈淋巴结的性质判定方法及系统 |
US10769781B2 (en) | 2017-04-24 | 2020-09-08 | Taihao Medical Inc. | System and method for cloud medical image analysis using self-learning model |
CN111709946A (zh) * | 2020-07-27 | 2020-09-25 | 南方医科大学南方医院 | 一种影像数据分析方法、装置、终端设备及存储介质 |
CN111739640A (zh) * | 2020-06-22 | 2020-10-02 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 一种基于乳腺钼靶和mr图像影像组学的风险预测系统 |
CN111772657A (zh) * | 2020-07-14 | 2020-10-16 | 丁佳丽 | 一种人工智能多模成像分析系统 |
CN112183572A (zh) * | 2020-08-12 | 2021-01-05 | 上海依智医疗技术有限公司 | 一种生成预测肺炎严重程度的预测模型的方法及装置 |
CN112585696A (zh) * | 2018-08-30 | 2021-03-30 | 应用材料公司 | 用于自动肿瘤检测和分类的系统 |
CN113077875A (zh) * | 2021-03-23 | 2021-07-06 | 零氪智慧医疗科技(天津)有限公司 | Ct影像的处理方法及装置 |
CN113838560A (zh) * | 2021-09-09 | 2021-12-24 | 王其景 | 一种基于医学影像的远程诊断系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551855A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 自适应核匹配追踪辅助诊断系统及其辅助诊断方法 |
CN104000619A (zh) * | 2014-06-16 | 2014-08-27 | 彭文献 | 一种甲状腺ct图像计算机辅助诊断系统及方法 |
CN104933709A (zh) * | 2015-06-04 | 2015-09-23 | 西安理工大学 | 基于先验信息的随机游走ct肺组织图像自动分割方法 |
CN105005714A (zh) * | 2015-06-18 | 2015-10-28 | 中国科学院自动化研究所 | 一种基于肿瘤表型特征的非小细胞肺癌预后方法 |
CN105653858A (zh) * | 2015-12-31 | 2016-06-08 | 中国科学院自动化研究所 | 一种基于影像组学的病变组织辅助预后系统和方法 |
-
2016
- 2016-08-31 CN CN201610797858.4A patent/CN106355023A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551855A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 自适应核匹配追踪辅助诊断系统及其辅助诊断方法 |
CN104000619A (zh) * | 2014-06-16 | 2014-08-27 | 彭文献 | 一种甲状腺ct图像计算机辅助诊断系统及方法 |
CN104933709A (zh) * | 2015-06-04 | 2015-09-23 | 西安理工大学 | 基于先验信息的随机游走ct肺组织图像自动分割方法 |
CN105005714A (zh) * | 2015-06-18 | 2015-10-28 | 中国科学院自动化研究所 | 一种基于肿瘤表型特征的非小细胞肺癌预后方法 |
CN105653858A (zh) * | 2015-12-31 | 2016-06-08 | 中国科学院自动化研究所 | 一种基于影像组学的病变组织辅助预后系统和方法 |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169497A (zh) * | 2017-04-14 | 2017-09-15 | 中国科学院苏州生物医学工程技术研究所 | 一种基于基因影像学的肿瘤影像标记物提取方法 |
CN107169497B (zh) * | 2017-04-14 | 2021-06-01 | 中国科学院苏州生物医学工程技术研究所 | 一种基于基因影像学的肿瘤影像标记物提取方法 |
US10769781B2 (en) | 2017-04-24 | 2020-09-08 | Taihao Medical Inc. | System and method for cloud medical image analysis using self-learning model |
CN107292103A (zh) * | 2017-06-19 | 2017-10-24 | 京东方科技集团股份有限公司 | 一种预测图像生成方法及装置 |
CN107582097A (zh) * | 2017-07-18 | 2018-01-16 | 中山大学附属第医院 | 一种基于多模态超声组学的智能辅助决策系统 |
CN109427417A (zh) * | 2017-08-30 | 2019-03-05 | 西门子保健有限责任公司 | 用于在医学图像数据中分割检查对象的器官结构的方法 |
WO2019052063A1 (zh) * | 2017-09-15 | 2019-03-21 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像分类处理系统及方法 |
CN107742536B (zh) * | 2017-10-16 | 2021-04-06 | 成都黑杉科技有限公司 | 信息处理的方法及装置 |
CN107742536A (zh) * | 2017-10-16 | 2018-02-27 | 成都黑杉科技有限公司 | 信息处理的方法及装置 |
CN107977969B (zh) * | 2017-12-11 | 2020-07-21 | 北京数字精准医疗科技有限公司 | 一种内窥镜荧光图像的分割方法、装置及存储介质 |
CN107977969A (zh) * | 2017-12-11 | 2018-05-01 | 北京数字精准医疗科技有限公司 | 一种内窥镜荧光图像的分割方法、装置及存储介质 |
CN108492885A (zh) * | 2018-02-26 | 2018-09-04 | 上海联影医疗科技有限公司 | 检查工作流推荐方法、装置及终端 |
CN110292396A (zh) * | 2018-03-22 | 2019-10-01 | 深圳迈瑞生物医疗电子股份有限公司 | 定量成像的预测使用 |
CN110322426B (zh) * | 2018-03-28 | 2022-05-10 | 北京连心医疗科技有限公司 | 基于可变人体模型的肿瘤靶区勾画方法、设备和存储介质 |
CN110322426A (zh) * | 2018-03-28 | 2019-10-11 | 北京连心医疗科技有限公司 | 基于可变人体模型的肿瘤靶区勾画方法、设备和存储介质 |
CN108805892A (zh) * | 2018-06-01 | 2018-11-13 | 南方医科大学 | 一种pet图像鼻咽癌瘤内异质性的定量刻画方法 |
CN112585696A (zh) * | 2018-08-30 | 2021-03-30 | 应用材料公司 | 用于自动肿瘤检测和分类的系统 |
CN109223018A (zh) * | 2018-09-18 | 2019-01-18 | 包头市中心医院(内蒙古自治区脑血管病研究所) | 一种人工智能心脏ct自动化诊断系统 |
CN110197236A (zh) * | 2018-10-17 | 2019-09-03 | 中山大学附属第三医院 | 一种基于影像组学对糖皮质激素疗效的预测和验证方法 |
CN109492675A (zh) * | 2018-10-22 | 2019-03-19 | 深圳前海达闼云端智能科技有限公司 | 医学影像的识别方法、装置、存储介质和电子设备 |
CN109492675B (zh) * | 2018-10-22 | 2021-02-05 | 深圳前海达闼云端智能科技有限公司 | 医学影像的识别方法、装置、存储介质和电子设备 |
CN110335665A (zh) * | 2019-04-01 | 2019-10-15 | 佛山原子医疗设备有限公司 | 一种应用于医学图像辅助诊断分析的以图搜图方法及系统 |
CN110335665B (zh) * | 2019-04-01 | 2021-07-20 | 佛山原子医疗设备有限公司 | 一种应用于医学图像辅助诊断分析的以图搜图方法及系统 |
CN110009645B (zh) * | 2019-04-11 | 2023-06-23 | 东北大学 | 一种肝癌病灶影像的双层轮廓分割方法 |
CN110021431A (zh) * | 2019-04-11 | 2019-07-16 | 上海交通大学 | 人工智能辅助诊断系统、诊断方法 |
CN110009645A (zh) * | 2019-04-11 | 2019-07-12 | 东北大学 | 一种肝癌病灶影像的双层轮廓分割方法 |
CN110265095A (zh) * | 2019-05-22 | 2019-09-20 | 首都医科大学附属北京佑安医院 | 用于hcc复发及rfs的预测模型和诺模图的构建方法及应用 |
CN110533639A (zh) * | 2019-08-02 | 2019-12-03 | 杭州依图医疗技术有限公司 | 一种关键点定位方法及装置 |
CN111242174A (zh) * | 2019-12-31 | 2020-06-05 | 浙江大学 | 一种基于影像组学的肝癌图像特征提取与病理分类方法和装置 |
CN111275558A (zh) * | 2020-01-13 | 2020-06-12 | 上海维跃信息科技有限公司 | 用于确定保险数据的方法和装置 |
CN111275558B (zh) * | 2020-01-13 | 2024-02-27 | 上海维跃信息科技有限公司 | 用于确定保险数据的方法和装置 |
CN111261284A (zh) * | 2020-02-05 | 2020-06-09 | 杭州依图医疗技术有限公司 | 一种基于医学影像的诊断信息处理方法、装置及存储介质 |
CN111265234A (zh) * | 2020-03-05 | 2020-06-12 | 上海市肺科医院(上海市职业病防治院) | 一种肺部纵膈淋巴结的性质判定方法及系统 |
CN111739640A (zh) * | 2020-06-22 | 2020-10-02 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 一种基于乳腺钼靶和mr图像影像组学的风险预测系统 |
CN111772657A (zh) * | 2020-07-14 | 2020-10-16 | 丁佳丽 | 一种人工智能多模成像分析系统 |
CN111709946A (zh) * | 2020-07-27 | 2020-09-25 | 南方医科大学南方医院 | 一种影像数据分析方法、装置、终端设备及存储介质 |
CN112183572A (zh) * | 2020-08-12 | 2021-01-05 | 上海依智医疗技术有限公司 | 一种生成预测肺炎严重程度的预测模型的方法及装置 |
CN113077875A (zh) * | 2021-03-23 | 2021-07-06 | 零氪智慧医疗科技(天津)有限公司 | Ct影像的处理方法及装置 |
CN113838560A (zh) * | 2021-09-09 | 2021-12-24 | 王其景 | 一种基于医学影像的远程诊断系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355023A (zh) | 基于医学影像的开放式定量分析方法与系统 | |
EP2693951B1 (en) | Image analysis for specific objects | |
US8588495B2 (en) | Systems and methods for computer aided diagnosis and decision support in whole-body imaging | |
WO2018119766A1 (zh) | 多模态图像处理系统及方法 | |
CN112184658A (zh) | 用于非小细胞肺癌预后生存预测的方法、介质及电子设备 | |
US11430119B2 (en) | Spatial distribution of pathological image patterns in 3D image data | |
CN108694718A (zh) | 直肠癌术前同期新辅助放化疗疗效评估系统和方法 | |
CN115036002B (zh) | 一种基于多模态融合模型的治疗效果预测方法及终端设备 | |
CN109147940A (zh) | 从患者的医学图像自动预测生理状况的装置和系统 | |
CN101681515A (zh) | 基于模型的痴呆的辨别诊断和显著性水平的交互设置 | |
CN110969623B (zh) | 一种肺部ct多征象自动检测方法、系统、终端及存储介质 | |
CN112561869B (zh) | 一种胰腺神经内分泌肿瘤术后复发风险预测方法 | |
CN112263217B (zh) | 一种基于改进卷积神经网络的非黑素瘤皮肤癌病理图像病变区域检测方法 | |
CN110246109A (zh) | 融合ct影像和个性化信息的分析系统、方法、装置及介质 | |
CN112367905A (zh) | 基于脉管化模式的诊断、预测、确定预后、监测或分期疾病的方法 | |
CN104915989A (zh) | 基于ct影像的血管三维分割方法 | |
CN114913174B (zh) | 用于血管系统变异检测的方法、装置和存储介质 | |
CN116129184A (zh) | 多期相病灶分类方法、装置、设备及可读存储介质 | |
Kishore | An effective and efficient feature selection method for lung cancer detection | |
Oniga et al. | Applications of ai and hpc in the health domain | |
Schott et al. | Comparison of automated full-body bone metastases delineation methods and their corresponding prognostic power | |
Agarwal et al. | Using Deep Convolutional Neural Networks to predict semantic features of lesions in mammograms | |
CN101903912A (zh) | 使用多强度重新分配函数进行绘制 | |
CN107533141A (zh) | 闪烁扫描术图像的正规化技术 | |
TW201629522A (zh) | 核醫學圖像解析技術 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170125 |
|
RJ01 | Rejection of invention patent application after publication |