|
搜索
搜 索
高等教育領域數字化綜合服務平臺
醫學影像的智能處理、融合和分析
一、項目簡介 磁共振成像以其具有多模態成像、高分辨及無輻射傷害等優點，在臨床醫學影像中具有無可替代的地位。然而較慢的成像速度及易受各種偽影干擾是其主要缺點。另一方面，隨著臨床上對磁共振成像需求的急劇增長，診斷醫生的缺口越來越大，并嚴重影響病人得到及時、準確的診斷。因此，在磁共振成像中引入以深度學習為代表的智能技術，一方面用于加速成像采集速度及提高成像質量，另一方面用于進行智能診斷，解決臨床醫生人力不足、誤診率較高的問題。 二、前期研究基礎 基于我們在磁共振成像方法設計、超分辨率重建及臨床應用等方面的跨學科研究優勢，我們利用深度學習技術對磁共振成像的各個方面進行整合優化設計，并取得許多重要的初步成果，具有良好的前期工作基礎。 三、應用技術成果 我們在深度學習與超快速磁共振成像方面的結合進行了深度研究，并取得許多重要成像。我們研究了基于深度學習的超快速多參數磁共振成像重建，并取得良好的效果，如圖1所示。我們還研究了利用深度學習對磁共振成像進行無參考掃描的扭曲校正，如圖2所示。
廈門大學
2021-04-11
基于全景影像的街景面片優化方法
本發明公開了一種基于全景影像的街景面片優化方法，包括以下步驟：步驟 1：獲取車載 LiDAR 點 云數據和全景影像，并將全景影像與車載 LiDAR 點云數據進行配準；步驟 2：將車載 LiDAR 點云數據 分割為多個面片，獲得面片與全景影像站點的對應關系，將面片投影到全景影像上，得到面片對應的透 視平面影像；步驟 3：對透視平面影像進行分析，刪除樹木點，并進行面片拉伸。本發明基于全景影像 優化街景面片，在點云數據的結果上進一步提高面片的精度和準
武漢大學
2021-04-14
深圳市長豐影像器材有限公司
深圳市長豐影像器材有限公司成立于2011年，總部設立在廣東深圳，是一家集產品研發、生產、銷售于一體的高新技術企業，多年來一直致力于影像器材以及聲音技術的開發制造。
長豐公司長期服務于攝影攝像和廣播電視行業，為主流媒體、傳媒工作室以及廣大的攝影攝像愛好者提供從影像穩定系統到聲音輸入輸出系統的整體解決方案。公司目前擁有三個自主品牌：Saramonic楓笛、BOYA博雅、SEVENOAK七棵橡樹，自主研發和生產的產品銷往全球100多個國家和地區。
經過近10年的發展，目前長豐擁有占地萬余平米的生產基地和產品研發中心，配備了國內外最先進的研發測試設備和專業聲音實驗室，建立了專業的研發團隊和完善的質量管理體系。2013年，長豐公司通過ISO9001質量管理體系認證，出口銷售的產品均獲得相應的質量認證如CE、ROHS、FCC、NCC、KCC、TELEC、EN300等。經過多年創新和沉淀，公司擁有百余項國內外各類發明和創新專利，2018年，公司榮獲“國家高新技術企業”認證，并得到深圳市政府和科創委的大力扶持。
深圳市長豐影像器材有限公司
2022-07-04
醫學影像設備學綜合電路實驗箱
是新華醫療強大X線機研發團隊專門為高校醫學影像專業教學設計的又一力作，本實驗臺綜合了單個實驗箱的實驗功能，綜合性強，可使學生在比較中進行實驗，進而提高學生綜合運用知識的實驗效果，讓學生親身體驗，學以致用。主要實驗模塊包括：整流電路實驗、高頻X線機逆變頻率電路實驗、旋轉陽極啟動與保護電路實驗、磁飽合穩壓電路實驗、曝光限時電路實驗、管電壓管電流測量實驗、接地電阻測量實驗、X線機發生器基本工作原理及控制實驗等。
山東新華醫療器械股份有限公司
2022-11-08
生物組織石蠟包埋機
1．微電腦控制,中文界面,彩色液晶顯示,觸摸屏操作,簡潔、直觀、方便。全程電腦自動控制或手工控制開關機，自動加熱并恒溫,自動制冷并恒溫。2．智能保護：任意路不加熱、不制冷或溫度傳感器損壞，界面中文報故障，并自動切斷該路的加熱或制冷，保護該路器件免受損壞。3．開關機：任意預設周1至周日每天任意自動開關機兩次；手動開機在工作4小時后自動關機。 4．專利流蠟控制方式，流蠟管道不滴蠟、滲蠟；出蠟方式：手動、腳動，出蠟流量可調節。5．分體式結構：包埋部分和冷凍臺分開，包埋部分帶小冷臺，冷凍臺為整體鋁合金材質。6．工作臺和小冷臺二路照明，照明燈采用DC24V LED燈珠，手動開關燈珠照明，在主機停止工作后自動熄滅。7．自帶放大鏡，便于觀察微小標本。（可配置）8．制冷方式：冷凍臺：壓縮機制冷。為避免因壓縮機反復啟動而損壞壓縮機，自動延時啟動壓縮機。小冷臺：半導體制冷。9、溫度控制：室溫～99℃預設，恒溫精度±１℃
孝感奧華醫療科技有限公司
2025-01-21
兩部門關于開展高性能生物反應器創新任務揭榜掛帥工作的通知
高性能生物反應器創新任務揭榜掛帥。
工信部
2025-06-05
新冠肺炎影像學AI智能輔助診斷研究
“現階段醫生需要在大量影像數據中快速診斷出新冠肺炎的病例，此外還需要診斷出病灶分布的位置、大小等來評估嚴重程度。”薛向陽介紹，針對臨床的現實需求，團隊將設計目標定位于“肺炎分類鑒別”和“關鍵病灶檢測”兩大功能，前者是為區別健康狀態、新冠肺炎、其他病毒性肺炎、細菌性肺炎，后者則為找到并分隔出磨玻璃影等病灶區域。針對這些需求，團隊設計診斷算法模型，讓機器利用模型進行訓練，學習不同類型肺炎在CT影像表現上的不同特征，最終具備智能輔助診斷的能力。而這需要突破小樣本學習、小目標檢測等多個技術難題。“小樣本學習”即在較少訓練數據樣本的條件下進行機器學習。在疫情發生前期，能夠獲取的新冠肺炎影像數據相對較少，且由于一線影像醫生任務繁重，無法獲得大量專家標注，因此需要算法在少量樣本的條件下“自學成才”。為此，團隊采用基于自遷移學習的半監督學習等技巧，使算法具備一定的“小樣本學習”能力，在不增加醫生標注工作量的情況下較好地提高了算法模型的普適性。由于CT影像切片中的病灶區域有大有小，且往往大中小病灶區域面積懸殊，如何使算法能同時檢測大、中、小各個目標是另一大難題。團隊利用神經網絡的層次性特點與病灶區域的大小進行對應，“網絡的底層關注細節，即小病灶區域，而網絡中層到高層所關注的病灶區域則越來越大，因此模型通過不同層次的加權和融合，最終便能達到同時檢測大小病灶區域的目標。”薛向陽解釋道。“不過，即便有診斷‘神器’，影像科醫生也是不可替代的。”薛向陽說，人是復雜的機體，病毒在不同人體內感染的反映也不一定相同。”他表示，當遇到機器未曾學習過的微小病變或疑難病例時，仍需要影像醫生的經驗和智慧。以解決實際問題為目標，該項目在研究過程中始終與臨床應用緊密結合。無論是機器學習數據，還是測試評估數據，都來源于臨床真實病例。在算法模型定型過程中，為了檢驗模型的準確率和泛化性，團隊也利用現實疑似病例進行了測試。
復旦大學
2021-04-10
基于AI 機器學習的影像組學模型研究
2019年12月以來，由SARS-CoV-2病毒感染導致的新型冠狀病毒疾病（COVID-19）在全球開始蔓延。報道顯示，SARS-CoV-2感染患者的中位住院時間為10天，而武漢患者在發病10天后癥狀有可能加重。因此，住院時間是COVID-19臨床預后的重要指標之一。 目前，CT影像學已成為COVID-19肺炎的診斷和監測工具，主要表現為磨玻璃影、實變及混合密度影。然而，現階段的影像學研究主要集中于對病灶的定性和半定量描述，缺乏對病灶的全定量分析。因此，基于前期提出的CT定量監測COVID-19肺炎病程，團隊假設在CT病灶背后的高通量影像特征“隱藏”了患者預后轉歸的“秘密”。 本研究納入了蘭州、安康、麗水、鎮江、臨夏5家新冠肺炎定點醫院，自2020年1月23日到2月8日期間住院患者的臨床資料和首次CT資料，所有患者經RT-PCR證實SARS-CoV-2病毒感染。至2月20日，研究共納入31例治愈出院的患者（排除14例未出院患者和7例首次CT檢查無肺炎表現患者），并將10天作為住院時長的二分類閾值。基于有限的樣本量，團隊將4個中心作為訓練隊列，另外一個中心作為驗證隊列。通過自動分割肺葉和半自動分割病灶，31名患者中累計分割出72個病灶。在對病灶圖像預處理后，提取影像組學特征并篩選。為了研究影像組學特征的穩定性，團隊使用了Logistics回歸模型和隨機森林模型對篩選的特征分別進行建模和驗證。?結果發現，6個篩選出的二階特征在兩種不同分類器中均表現出良好的預測價值。在外部測試隊列中，Logistics回歸模型的AUC為0·97(95%CI 0·83-1·0), 敏感性 1·0, 特異性0·89；隨機森林模型的AUC為0·92 (95%CI 0·67-1·0),敏感性 0·75, 特異性1·0。隨后，研究又納入了2月20日-28日新出院的6名患者，利用已建立的影像組學模型可以正確預測所有6名患者的住院時間。
東南大學
2021-04-10
多模態醫學影像智能協診系統TPAID
中試階段/n該項目主要針對開源CT 醫學影像數據和多中心合作單位提供的多模醫學影像數據，采用人工智能技術和自主研制的深度學習算法對心臟左心室、腫瘤等CT 影像數據進行全自動分割，驗證了所研制算法在該項目計算機輔助腫瘤智能診斷應用中的有效性，為項目產業化實施奠定了方法基礎。成果的先進性或獨特性：針對不同類型的醫學影像感知設備，設計針對性強的機器學習智能算法；國內同類研究中首次采用“雙盲評估+驗證”的科研方法對影像數據進
武漢大學
2021-01-12
三維點云與光學影像融合裝備
考慮三維點云缺少顏色信息和光學影像缺少空間信息的互補特性，三維點云與光學影像多光融合裝備可以提升數據的信息量，基于三維點云和二維圖像融合的可視化結果，能夠增強三維場景真實感，相較于可見光圖像，融合后的三維點云可以實現多角度觀測，能夠更好的表達的空間特征。
相較于原始和偽彩色點云數據，融合后的三維點云有了色彩紋理信息，目標的形態和邊緣都更加明顯，整個三維場景更加的真實，也為后續識別、定位、重建等過程提供更多細節信息；同時克服了單一傳感器的局限性，充分發揮兩者的互補優勢，大幅提升了探測設備的環境適應性，適用于全天時復雜場景的下目標探測，具有很強的實用價值。在無人駕駛領域，譬如智能導航、環境感知、高精度地圖的構建等，都依賴于可見光圖像和點云的融合處理。大家所熟知的百度 Apollo、谷歌 Waymo 自動駕駛系統均應用視覺相機和激光雷達作為主傳感器進行定位和環境感知，目前已經實現 L4 級別的高度自動化駕駛。此外，在醫學影像、高精度工程測量、工業生產、虛擬現實等領域，三維點云和可見光圖像融合技術也有著廣泛應用。
圖1.三維點云與光學影像融合效果
北京理工大學
2022-12-12