CN115798725B - 用于核医学的带病灶人体仿真影像数据制作方法 - Google Patents
用于核医学的带病灶人体仿真影像数据制作方法 Download PDFInfo
- Publication number
- CN115798725B CN115798725B CN202211325532.3A CN202211325532A CN115798725B CN 115798725 B CN115798725 B CN 115798725B CN 202211325532 A CN202211325532 A CN 202211325532A CN 115798725 B CN115798725 B CN 115798725B
- Authority
- CN
- China
- Prior art keywords
- data
- human body
- focus
- simulated
- organ
- 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.)
- Active
Links
- 238000009206 nuclear medicine Methods 0.000 title claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims description 28
- 238000004088 simulation Methods 0.000 title claims description 18
- 230000003902 lesion Effects 0.000 title claims description 13
- 238000003384 imaging method Methods 0.000 claims abstract description 7
- 210000000056 organ Anatomy 0.000 claims description 62
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000013499 data model Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000005094 computer simulation Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 abstract description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 8
- 210000003484 anatomy Anatomy 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
Landscapes
- Nuclear Medicine (AREA)
Abstract
一种用于核医学的带病灶人体仿真影像数据制作方法，包括以下步骤：S1、获取人体体型统计学数据，并根据人体体型统计学数据制作多样化的人体数字模型数据；S2、在多样化人体数字模型数据中加入病灶数据，得到仿真带病灶人体数据及其添加的病灶位置信息；S3、根据核医学场景，使用仿真带病灶人体数据进行建模，得到核医学场景下的带病灶人体仿真影像数据。本发明结合了实际的人体数据和仿真得到的病灶数据进行结合，使得到的仿真图像数据更接近真实数据的解剖结构多样性、更接近真实数据的病灶特征多样性，同时，通过参数的自定义化，还可根据不同医学影像场景的成像特点灵活制作对应数据，实现了方便而快捷的医学病灶仿真数据的获取。
Description
技术领域
本发明属于医学影像领域，尤其涉及一种用于核医学的带病灶人体仿真影像数据制作方法。
背景技术
核医学又称原子医学，是指放射性同位素、由加速器产生的射线束及放射性同位素产生的核辐射在医学上的应用，对于核医学来说，图像是用于判断病情的最重要的数据，随着深度学习技术的发展，将其结合到核医学中来解决医学问题是当下的一个重要研究课题。
在深度学习图像领域，数据集的规模和分布会很大程度的影响最终算法的性能表现。医学影像领域高质量数据的缺乏，是深度学习算法在医学影像分析中的应用一个主要瓶颈。同时医学图像采集、注释和分析成本高昂，并且它们的使用也受到伦理的限制，因此医学数据的收集需要更多的人力资源和资金。这使得收集海量医学数据变得更加困难。
发明内容
本发明提供一种用于核医学的带病灶人体仿真数据制作方法，旨在解决现有场景下无法简单收集得到医学用的人体仿真数据的问题。
本发明实施例提供一种用于核医学的带病灶人体仿真数据制作方法，包括以下步骤：
S1、获取人体体型统计学数据，并根据所述人体体型统计学数据制作多样化的人体数字模型数据；
S2、在所述多样化人体数字模型数据中加入病灶数据，得到仿真带病灶人体数据及其添加的病灶位置信息；
S3、根据核医学场景，使用所述仿真带病灶人体数据进行建模，得到所述核医学场景下的带病灶人体仿真影像数据。
更进一步地，步骤S1具体包括以下子步骤：
获取人体体型统计学数据，并以年龄和性别为分类依据，按照身高分段统计，得到不同身高段的所述人体数据；
对于不同的所述身高段的所述人体体型统计学数据，再按照BMI指数与胸围数据、腰围数据、臀围数据的大小进行划分，得到多样化人体数据；
根据所述多样化人体数据进行仿真建模，得到多样化人体数字模型。
更进一步地，根据所述多样化人体数据进行仿真建模，得到多样化人体数字模型的步骤中，还包括：
将所述多样化人体数字模型与收集到的临床影像数据进行主要器官配准，得到映射举证，将所述映射矩阵重新映射到所述多样化人体数据模型中。
更进一步地，步骤S2具体包括以下子步骤：
在所述多样化人体数字模型数据中，根据不同的器官位置，对其中的器官数据赋予预设的器官摄取值；
获取核医学应用场景中对应的所述病灶器官数据；
将所述病灶器官数据叠加至所述多样化人体数字模型数据中，得到所述仿真带病灶人体数据。
更进一步地，将所述病灶器官数据叠加至所述多样化人体数字模型数据中，得到所述仿真带病灶人体数据的步骤，具体为：
生成一个与所述病灶器官数据的所述器官摄取值大小相同的高斯权重码；
创建一个全零图像，并将所述病灶器官数据的图像与所述高斯权重码进行加权计算，得到加权图像；
用所述加权图像逐像素除以高斯权重码，得到正则化的所述仿真带病灶人体数据。
更进一步地，用所述加权图像逐像素除以高斯权重码，得到正则化的所述仿真带病灶人体数据的步骤后，还包括步骤：
根据所述病灶器官数据的图像与所述高斯权重码进行加权的过程，记录所述病灶器官数据在所述全零图像中叠加的空间坐标进行标记，得到器官标记数据；
根据所述器官标记数据训练预设器官标记模型，并输出保存；
利用所述预设器官标记模型进行所述病灶器官数据的自动标记。
更进一步地，所述器官摄取值为不同均值和方差的高斯分布数据。
更进一步地，步骤S3中，使用所述仿真带病灶人体仿真数据进行建模所使用的方法包括投影仿真生成算法和断层重建算法。
更进一步地，步骤S3中，使用所述仿真带病灶人体仿真数据进行建模所使用的平台基于PET或SPECT设备成像场景。
本发明所达到的有益效果，由于结合了实际的人体数据和仿真得到的病灶数据进行结合，能够使得到的仿真图像数据更接近真实数据的解剖结构多样性、更接近真实数据的病灶特征多样性，同时，还由于各个参数的自定义化，还可根据不同医学影像场景的成像特点灵活制作对应数据，实现了方便而快捷的医学病灶仿真数据的获取。
附图
图1是本发明实施例提供的用于核医学的带病灶人体仿真影像数据制作方法的步骤流程图；
图2是本发明实施例提供的身高段范围示意图；
图3是本发明实施例提供的多样化人体数据模型的一种示例图；
图4是本发明实施例提供的多样化人体数据模型的另一种示例图；
图5是本发明实施例提供的带病灶人体仿真影像数据示例图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参照图1，图1是本发明实施例提供的用于核医学的带病灶人体仿真数据制作方法的步骤流程图，所述在线预测方法包括以下步骤：
S1、获取人体体型统计学数据，并根据所述人体体型统计学数据制作多样化的人体数字模型数据。
更进一步地，步骤S1具体包括以下子步骤：
S11、获取人体体型统计学数据，并以年龄和性别为分类依据，按照身高分段统计，得到不同身高段的所述人体数据。
示例性的，本发明实施例以《国民体质与健康数据库》中2006-2011年的基本分析数据进行统计归纳，对不同年龄和性别的人群，按照身高分段后，统计归纳出每个身高段对应可能出现的胸围/腰围/臀围和腿长的可能范围如图2所示。在本步骤中，首先将所述人体数据按照男性或者女性进行分类，在分别对其固定年龄段内，如35至75之间，进行身高数据汇总，按照出现比例把身高分成N组，并将该分组作为其他参数，如体重、胸围等的范围控制条件，从而计算得到不同身高段下BMI参数的可能范围。
S12、对于不同的所述身高段的所述人体体型统计学数据，再按照BMI指数与胸围数据、腰围数据、臀围数据的大小进行划分，得到多样化人体数据。
示例性的，在本步骤中，通过归纳BMI/胸围，BMI/腰围，BMI/臀围的范围，结合步骤S11中的身高/BMI范围，计算出不同身高段下胸围、腰围、臀围的参数范围，得到总体的所述多样化人体数据。
S13、根据所述多样化人体数据进行仿真建模，得到多样化人体数字模型。
通过S12归纳处的不同身高段下胸围、腰围、臀围的参数范围，进行仿真人体模型数字仿真的生成，得到一批BMI不同的所述多样化人体数字模型，该数据模型的各项物理参数如BMI,身高，体重，胸围等可以覆盖之前设定的年龄段人群特征。
更进一步地，根据所述多样化人体数据进行仿真建模，得到多样化人体数字模型的步骤中，还包括：
将所述多样化人体数字模型与收集到的临床影像数据进行主要器官配准，得到映射举证，将所述映射矩阵重新映射到所述多样化人体数据模型中。
将得到的所述多样化人体数字模型与收集到的相近的预设临床影像数据进行主要器官配准，如心，肝，脾，肺，肾等，可使人体模型的器官形态更具多样性。示例性的，所述预设临床影像数据为现有的通过核医学方式采集到的医学图像数据，本发明实施例得到的所述多样化人体数据模型的一种示例如图3和图4所示。
S2、在所述多样化人体数字模型数据中加入病灶数据，得到仿真带病灶人体数据及其添加的病灶位置信息。
更进一步地，步骤S2具体包括以下子步骤：
S21、在所述多样化人体数字模型数据中，根据不同的器官位置，对其中的器官数据赋予预设的器官摄取值。
更进一步地，所述器官摄取值为不同均值和方差的高斯分布数据。所述器官摄取值可由经验值或临床统计摄取值决定。
S22、获取核医学应用场景中对应的所述病灶器官数据。
示例性的，所述病灶器官数据来源有两个方式：
一、通过临床医生人工标定，分割出病灶的影像学数据；
二、将临床医生分割出的所有病灶进行一个统计建模，包括形态和摄取值，然后进行重采样，进而生成大小不一，形态更加接近真实数据的病灶器官数据。
S23、将所述病灶器官数据叠加至所述多样化人体数字模型数据中，得到所述仿真带病灶人体数据。
更进一步地，将所述病灶器官数据叠加至所述多样化人体数字模型数据中，得到所述仿真带病灶人体数据的步骤，具体为：
生成一个与所述病灶器官数据的所述器官摄取值大小相同的高斯权重码；
创建一个全零图像，并将所述病灶器官数据的图像与所述高斯权重码进行加权计算，得到加权图像；
用所述加权图像逐像素除以高斯权重码，得到正则化的所述仿真带病灶人体数据。
更具体的，在与所述全零图像进行叠加时，所述病灶器官数据使用切片图像。
更进一步地，用所述加权图像逐像素除以高斯权重码，得到正则化的所述仿真带病灶人体数据的步骤后，还包括步骤：
根据所述病灶器官数据的图像与所述高斯权重码进行加权的过程，记录所述病灶器官数据在所述全零图像中叠加的空间坐标进行标记，得到器官标记数据；
根据所述器官标记数据训练预设器官标记模型，并输出保存；
利用所述预设器官标记模型进行所述病灶器官数据的自动标记。
这一步骤在于，在数据叠加的同时，可以同步记录病灶添加的空间位置坐标，可作为深度学习使用的预设器官标记模型的病灶检测算法训练的目标坐标；亦可将病灶同步填补至一个全零数据中，作为病灶分割的mask标记。通过这一方式，使得后续步骤中能自动、便捷的制作深度学习算法训练所需要的数据标注形式，而无需后续再进行人工数据标注工作。
S3、根据核医学场景，使用所述仿真带病灶人体数据进行建模，得到所述核医学场景下的带病灶人体仿真影像数据。
更进一步地，步骤S3中，使用所述仿真带病灶人体仿真数据进行建模所使用的方法包括投影仿真生成算法和断层重建算法，使用所述仿真带病灶人体仿真数据进行建模所使用的平台基于PET或SPECT设备成像场景。示例性的，请参照图5，图5是本发明实施例提供的带病灶人体仿真影像数据示例图，可以看出，本发明实施例提供的用于核医学的带病灶人体仿真影像数据制作方法得到的医学图像能够较为清晰地表现出病灶器官在人体中的位置。
本发明所达到的有益效果，由于结合了实际的人体数据和仿真得到的病灶数据进行结合，能够使得到的仿真图像数据更接近真实数据的解剖结构多样性、更接近真实数据的病灶特征多样性，同时，还由于各个参数的自定义化，还可根据不同医学影像场景的成像特点灵活制作对应数据，实现了方便而快捷的医学病灶仿真数据的获取。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，简称RAM)等。例如，在一种可能的实施方式中，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的用于核医学的带病灶人体仿真数据制作方法中的各个过程及步骤，且能实现相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，所揭露的仅为本发明较佳实施例而已，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式用等同变化，均属于本发明的保护之内。
Claims (4)
1.一种用于核医学的带病灶人体仿真影像数据制作方法，其特征在于，包括以下步骤：
S1、获取人体体型统计学数据，并根据所述人体体型统计学数据制作多样化人体数字模型数据；
S2、 在所述多样化人体数字模型数据中加入病灶数据，得到仿真带病灶人体数据及其添加的病灶位置信息；
S3、根据核医学场景，使用所述仿真带病灶人体数据进行建模，得到所述核医学场景下的带病灶人体仿真影像数据；
其中，步骤S1具体包括以下子步骤：
获取人体体型统计学数据，并以年龄和性别为分类依据，按照身高分段统计，得到不同身高段的所述人体数据；
对于不同的所述身高段的所述人体体型统计学数据，再按照BMI指数与胸围数据、腰围数据、臀围数据的大小进行划分，得到多样化人体数据；
根据所述多样化人体数据进行仿真建模，得到多样化人体数字模型；将所述多样化人体数字模型与收集到的临床影像数据进行主要器官配准，得到映射矩阵，将所述映射矩阵重新映射到所述多样化人体数据模型中；
步骤S2具体包括以下子步骤：
在所述多样化人体数字模型数据中，根据不同的器官位置，对其中的器官数据赋予预设的器官摄取值；
获取核医学应用场景中对应的所述病灶器官数据；
将所述病灶器官数据叠加至所述多样化人体数字模型数据中，得到所述仿真带病灶人体数据；
将所述病灶器官数据叠加至所述多样化人体数字模型数据中，得到所述仿真带病灶人体数据的步骤，具体为：
生成一个与所述病灶器官数据的所述器官摄取值大小相同的高斯权重码；
创建一个全零图像，并将所述病灶器官数据的图像与所述高斯权重码进行加权计算，得到加权图像；
用所述加权图像逐像素除以高斯权重码，得到正则化的所述仿真带病灶人体数据；
用所述加权图像逐像素除以高斯权重码，得到正则化的所述仿真带病灶人体数据的步骤后，还包括步骤：
根据所述病灶器官数据的图像与所述高斯权重码进行加权的过程，记录所述病灶器官数据在所述全零图像中叠加的空间坐标进行标记，得到器官标记数据；
根据所述器官标记数据训练预设器官标记模型，并输出保存；
利用所述预设器官标记模型进行所述病灶器官数据的自动标记。
2.如权利要求1所述的用于核医学的带病灶人体仿真影像数据制作方法，其特征在于，所述器官摄取值为不同均值和方差的高斯分布数据。
3.如权利要求1所述的用于核医学的带病灶人体仿真影像数据制作方法，其特征在于，步骤S3中，使用所述仿真带病灶人体仿真影像数据进行建模所使用的方法包括投影仿真生成算法和断层重建算法。
4.如权利要求1所述的用于核医学的带病灶人体仿真影像数据制作方法，其特征在于，步骤S3中，使用所述仿真带病灶人体仿真影像数据进行建模所使用的平台基于PET或SPECT设备成像场景。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211325532.3A CN115798725B (zh) | 2022-10-27 | 2022-10-27 | 用于核医学的带病灶人体仿真影像数据制作方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211325532.3A CN115798725B (zh) | 2022-10-27 | 2022-10-27 | 用于核医学的带病灶人体仿真影像数据制作方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115798725A CN115798725A (zh) | 2023-03-14 |
| CN115798725B true CN115798725B (zh) | 2024-03-26 |
Family
ID=85434028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211325532.3A Active CN115798725B (zh) | 2022-10-27 | 2022-10-27 | 用于核医学的带病灶人体仿真影像数据制作方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115798725B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117038064B (zh) * | 2023-10-07 | 2024-01-09 | 之江实验室 | 一种辅助分析算法的评估方法、装置、存储介质及设备 |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2232610Y (zh) * | 1995-03-09 | 1996-08-07 | 四川联合大学 | 人体胸部辐照仿真体模 |
| CN103479376A (zh) * | 2013-08-29 | 2014-01-01 | 中国科学院长春光学精密机械与物理研究所 | 一种术前ct数据和术中x光影像完全对应融合方法 |
| CN103793611A (zh) * | 2014-02-18 | 2014-05-14 | 中国科学院上海技术物理研究所 | 医学信息的可视化方法和装置 |
| KR101525433B1 (ko) * | 2014-01-09 | 2015-06-09 | 서강대학교산학협력단 | 병소 상태 모니터링 방법 및 의료 영상 시스템 |
| CN105913075A (zh) * | 2016-04-05 | 2016-08-31 | 浙江工业大学 | 一种基于脉冲耦合神经网络的内窥图像中病灶识别方法 |
| CN105962904A (zh) * | 2016-04-21 | 2016-09-28 | 西安工程大学 | 一种基于红外热像技术的人体组织病灶检测方法 |
| JP2017029461A (ja) * | 2015-08-03 | 2017-02-09 | 株式会社日立製作所 | 医用画像処理装置および医用画像処理方法 |
| CN106456993A (zh) * | 2014-06-16 | 2017-02-22 | 住友重机械工业株式会社 | 放射线治疗模拟装置 |
| CN106709986A (zh) * | 2017-03-13 | 2017-05-24 | 上海术理智能科技有限公司 | 用于模体制作的病灶和/或器官建模方法及装置 |
| CN106897564A (zh) * | 2017-02-28 | 2017-06-27 | 成都金盘电子科大多媒体技术有限公司 | 一种基于医学影像的病案图像建模系统 |
| CN107085866A (zh) * | 2017-03-22 | 2017-08-22 | 桂林电子科技大学 | 一种人体直骨ct图像的模拟仿真方法及系统 |
| CN109938764A (zh) * | 2019-02-28 | 2019-06-28 | 佛山原子医疗设备有限公司 | 一种基于深度学习的自适应多部位扫描成像方法及其系统 |
| WO2019164271A1 (ko) * | 2018-02-20 | 2019-08-29 | (주)휴톰 | 가상신체모델 생성 방법 및 장치 |
| 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 |
| CN110335358A (zh) * | 2019-06-18 | 2019-10-15 | 大连理工大学 | 可变形数字人解剖学模型的个性化变形方法 |
| CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
| CN110880366A (zh) * | 2019-12-03 | 2020-03-13 | 上海联影智能医疗科技有限公司 | 一种医学影像处理系统 |
| CN112053400A (zh) * | 2020-09-09 | 2020-12-08 | 北京柏惠维康科技有限公司 | 数据处理方法及机器人导航系统 |
| CN112132976A (zh) * | 2020-08-18 | 2020-12-25 | 常州锦瑟医疗信息科技有限公司 | 一种基于混合现实技术的肝脏穿刺培训系统 |
| CN112541924A (zh) * | 2020-12-08 | 2021-03-23 | 北京百度网讯科技有限公司 | 眼底图像生成方法、装置、设备以及存储介质 |
| WO2021189909A1 (zh) * | 2020-09-22 | 2021-09-30 | 平安科技（深圳）有限公司 | 病灶检测分析方法、装置、电子设备及计算机存储介质 |
| CN113907879A (zh) * | 2021-10-08 | 2022-01-11 | 上海市杨浦区中心医院(同济大学附属杨浦医院) | 一种个性化颈椎内镜定位方法及系统 |
| CN114882301A (zh) * | 2022-07-11 | 2022-08-09 | 四川大学 | 基于感兴趣区域的自监督学习医学图像识别方法及装置 |
| CN114973885A (zh) * | 2022-03-03 | 2022-08-30 | 北京市肿瘤防治研究所 | 可用于ct成像引导下的经皮腹部病灶穿刺模型及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180350064A1 (en) * | 2017-05-31 | 2018-12-06 | BioProber Corporation | Method And Apparatus For Registering Live Medical Image With Anatomical Model |
-
2022
- 2022-10-27 CN CN202211325532.3A patent/CN115798725B/zh active Active
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2232610Y (zh) * | 1995-03-09 | 1996-08-07 | 四川联合大学 | 人体胸部辐照仿真体模 |
| CN103479376A (zh) * | 2013-08-29 | 2014-01-01 | 中国科学院长春光学精密机械与物理研究所 | 一种术前ct数据和术中x光影像完全对应融合方法 |
| KR101525433B1 (ko) * | 2014-01-09 | 2015-06-09 | 서강대학교산학협력단 | 병소 상태 모니터링 방법 및 의료 영상 시스템 |
| CN103793611A (zh) * | 2014-02-18 | 2014-05-14 | 中国科学院上海技术物理研究所 | 医学信息的可视化方法和装置 |
| CN106456993A (zh) * | 2014-06-16 | 2017-02-22 | 住友重机械工业株式会社 | 放射线治疗模拟装置 |
| JP2017029461A (ja) * | 2015-08-03 | 2017-02-09 | 株式会社日立製作所 | 医用画像処理装置および医用画像処理方法 |
| CN105913075A (zh) * | 2016-04-05 | 2016-08-31 | 浙江工业大学 | 一种基于脉冲耦合神经网络的内窥图像中病灶识别方法 |
| CN105962904A (zh) * | 2016-04-21 | 2016-09-28 | 西安工程大学 | 一种基于红外热像技术的人体组织病灶检测方法 |
| CN106897564A (zh) * | 2017-02-28 | 2017-06-27 | 成都金盘电子科大多媒体技术有限公司 | 一种基于医学影像的病案图像建模系统 |
| CN106709986A (zh) * | 2017-03-13 | 2017-05-24 | 上海术理智能科技有限公司 | 用于模体制作的病灶和/或器官建模方法及装置 |
| CN107085866A (zh) * | 2017-03-22 | 2017-08-22 | 桂林电子科技大学 | 一种人体直骨ct图像的模拟仿真方法及系统 |
| WO2019164271A1 (ko) * | 2018-02-20 | 2019-08-29 | (주)휴톰 | 가상신체모델 생성 방법 및 장치 |
| 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 |
| CN109938764A (zh) * | 2019-02-28 | 2019-06-28 | 佛山原子医疗设备有限公司 | 一种基于深度学习的自适应多部位扫描成像方法及其系统 |
| CN110335358A (zh) * | 2019-06-18 | 2019-10-15 | 大连理工大学 | 可变形数字人解剖学模型的个性化变形方法 |
| CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
| CN110880366A (zh) * | 2019-12-03 | 2020-03-13 | 上海联影智能医疗科技有限公司 | 一种医学影像处理系统 |
| CN112132976A (zh) * | 2020-08-18 | 2020-12-25 | 常州锦瑟医疗信息科技有限公司 | 一种基于混合现实技术的肝脏穿刺培训系统 |
| CN112053400A (zh) * | 2020-09-09 | 2020-12-08 | 北京柏惠维康科技有限公司 | 数据处理方法及机器人导航系统 |
| WO2021189909A1 (zh) * | 2020-09-22 | 2021-09-30 | 平安科技（深圳）有限公司 | 病灶检测分析方法、装置、电子设备及计算机存储介质 |
| CN112541924A (zh) * | 2020-12-08 | 2021-03-23 | 北京百度网讯科技有限公司 | 眼底图像生成方法、装置、设备以及存储介质 |
| CN113907879A (zh) * | 2021-10-08 | 2022-01-11 | 上海市杨浦区中心医院(同济大学附属杨浦医院) | 一种个性化颈椎内镜定位方法及系统 |
| CN114973885A (zh) * | 2022-03-03 | 2022-08-30 | 北京市肿瘤防治研究所 | 可用于ct成像引导下的经皮腹部病灶穿刺模型及方法 |
| CN114882301A (zh) * | 2022-07-11 | 2022-08-09 | 四川大学 | 基于感兴趣区域的自监督学习医学图像识别方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| Deep learning convolutional neural network (CNN) With Gaussian mixture model for predicting pancreatic cancer;Kaushik Sekaran等;Multimedia Tools and Applications;20190322;第79卷;10233–10247 * |
| 基于虚拟人体的培训型医学超声成像仿真系统;朱玉云;史小平;;北京生物医学工程(第06期);574-577 * |
| 数字图像处理技术在核医学中的应用研究;黄尊灵, 吕知辛;山东轻工业学院学报(第04期);12-15 * |
| 胸腔巨大肿瘤手术预后分析及三维重建影像技术临床应用研究;冯振;中国博士学位论文全文数据库 医药卫生科技辑(第03期);E072-13 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115798725A (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022037696A1 (zh) | 基于深度学习的骨骼分割方法和系统 | |
| CN113822982B (zh) | 一种人体三维模型构建方法、装置、电子设备及存储介质 | |
| WO2021115312A1 (zh) | 医学影像中正常器官的轮廓线自动勾画方法 | |
| CN110491480A (zh) | 一种医疗图像处理方法、装置、电子医疗设备和存储介质 | |
| CN110070540B (zh) | 图像生成方法、装置、计算机设备及存储介质 | |
| CN109598722B (zh) | 基于递归神经网络的图像分析方法 | |
| Tian et al. | Efficient computer-aided design of dental inlay restoration: a deep adversarial framework | |
| Teng et al. | Interactive translation in echocardiography training system with enhanced cycle-GAN | |
| CN115798725B (zh) | 用于核医学的带病灶人体仿真影像数据制作方法 | |
| Cheema et al. | Liver extraction using residual convolution neural networks from low-dose CT images | |
| WO2021027152A1 (zh) | 基于条件生成对抗网络合成图像的方法及相关设备 | |
| CN106127783A (zh) | 一种基于深度学习的医疗影像识别系统 | |
| CN111524109A (zh) | 头部医学影像的评分方法和装置、电子设备及存储介质 | |
| CN116797612A (zh) | 基于弱监督深度活动轮廓模型的超声图像分割方法及装置 | |
| Wang et al. | Deformable torso phantoms of Chinese adults for personalized anatomy modelling | |
| CN117876690A (zh) | 一种基于异构UNet的超声影像多组织分割方法和系统 | |
| CN117649520A (zh) | 基于对比学习的ct影像自监督胰腺分割模型构建方法 | |
| Vasconcelos et al. | Using statistical deformable models to reconstruct vocal tract shape from magnetic resonance images | |
| CN108596900B (zh) | 甲状腺相关性眼病医学影像数据处理装置、方法、计算机可读存储介质及终端设备 | |
| CN114565623B (zh) | 肺血管分割方法、装置、存储介质及电子设备 | |
| Torrents-Barrena et al. | Fetal MRI synthesis via balanced auto-encoder based generative adversarial networks | |
| Liu et al. | Semi-supervised brain lesion segmentation using training images with and without lesions | |
| CN117974735B (zh) | 一种面向数字人的跨模态医学影像配准方法、系统和设备 | |
| CN116580133B (zh) | 图像合成方法、装置、电子设备和存储介质 | |
| CN118628532B (zh) | 一种针对超声图像中颅脑病灶的追踪方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |