交易价格： 面议
类型： 非专利
技术成熟度： 可以量产
交易方式：
联系人： 柯安星
所在地：山东济南市
基于医学物理和医学图像处理技术可辅助提高临床诊疗精准度。本项目成果通过分析处理放疗过程中所涉及医学影像数据，研究了实施临床精确诊疗图像分析算 法及临床实施方法：
1。设计了基于目标检测网络计算图像训练集中肿瘤靶区等感兴趣区域的形态表征，并基于语义分割网络来学习、分析和提取肿瘤组织特征，从而实现对肿瘤的 有效约束和表达。同时，构建表面描述模型来进行深层分割，实现肿瘤靶区的自动 准确分割。
2。通过多尺度小波基函数和多纹理特征相结合的方法提取肿瘤图像的纹理等影像组学特征，量化肿瘤异质性，建立肿瘤纹理特征与其它临床代谢参数和病理参数之间的关系。预测食管癌和非小细胞肺癌放化疗疗效，指导给予肿瘤合理剂量， 辅助临床制定科学放疗计划，指导个体化精准治疗。
3。联合残差学习和级联注意力机制的生成对抗网络实现胸腹部肿瘤增强磁共振图像合成技术。采用生成器和判别器相互博弈的方法。首先，用海量肿瘤图像 数据集成对（MRI和增强MRI）输入生成对抗网络进行训练。为提高生成器的合成能力，在生成器中嵌入通道注意力模块和位置注意力模块，并采用 残差学习的方式来提高生成器网络的优化能力，最后，将梯度差值损失函数加入到生成对抗网络模型中，提高合成增强MRI的逼真度。
4。基于肾脏肿瘤的诊疗设计了多分支特征共享的生成对抗网络，用于肾脏肿瘤的分割及其肿瘤指数的量化，以监测疾病进展并准确比较有关肾脏肿瘤治疗的决策。进一步开发了多任务不确定性约束的生成对抗网络方法，用于CT上肾脏肿瘤的联合分割，量化和不确定性评估，为临床医生在分割肿瘤时直接评估肾肿瘤的临 床必要指标以及分割的提供技术支持。
。基于原始图像片层内部的区域像素变化提取呼吸信号实现临床可行的4D-MRI技术。通过原始数据身体区域内部像素变化特征提取呼吸信号，并计算呼吸时相，回顾式获取描述呼吸运动的4D-MRI不同时相图像。采用线性多项式和主成分分析相结合的方法对4D-MRI形变域进行优化，从而减少重建图像伪影，最终通过形变配准技术进行肿瘤和软组织增强，获取适合临床使用的4D-MRI图像。
Copyright © 2018 宁夏回族自治区生产力促进中心 版权所有 宁ICP备11000235号-3 宁公网安备 64010402000776号
网站访问量： 网站在线人数：0 技术支持：科易网 
微信公众号
