“海盐县南北湖医学人工智能研究院”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果16个，建议您升级VIP下载更多相关专利

[发明专利]一种感染检测方法、装置、设备及介质-CN202310783340.5在审
发明人：祝思妤;陈斌;俞栋栋;杜文鼎 -专利权人： 海盐县南北湖医学人工智能研究院
申请日： 2023-06-29 - 公布日： 2023-10-27 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种感染检测方法、装置、设备及介质，包括：获取待检部位所对应的待检横断位图像，并将所述待检横断位图像输入预先训练的感染检测模型，其中，所述感染检测模型包括卷积网络、transformer编码器、transformer解码器、前馈网络；采用所述卷积网络与所述transformer编码器获取所述待检横断位图像的第一特征信息；采用所述transformer解码器与所述前馈网络根据所述第一特征信息判断所述待检横断位图像内是否存在实际感染区域；当所述判断结果为所述待检横断位图像内存在实际感染区域时，采用所述前馈网络进一步输出所述实际感染区域位于所述待检横断位图像内所在的第一检测位置。采用上述技术方案，能够得到高正确率的感染判别以及感染位置输出。
一种感染检测方法装置设备介质

[发明专利]一种基于多阶段模型的感染检测方法、装置、设备及介质-CN202310783337.3在审
发明人：胡震霆;陈斌;俞栋栋;王亦浏 -专利权人：濮阳大数据与人工智能研究院;海盐县南北湖医学人工智能研究院
申请日： 2023-06-29 - 公布日： 2023-09-12 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于多阶段模型的感染检测方法、装置、设备及介质，用于判断待检部位是否存在感染，包括：获取待检三维图像，并将所述待检三维图像输入预先训练的感染检测模型，其中，所述感染检测模型包括预先训练的部位检测模型，预先训练的感染分类模型；采用所述部位检测模型获取所述待检部位于所述待检三维图像之内所在的第一预测位置，根据所述第一预测位置获取待检三维ROI图像；采用所述感染分类模型对所述待检三维ROI图像进行识别，判断所述待检部位中是否存在感染，并输出判断结果。采用上述技术方案后，能够通过多阶段模型首先提取感兴趣区域(ROI)图像，再对感兴趣区域图像进行感染分类，避免不同步骤下模型参数的相互影响，实现高准确率的感染检测。
一种基于阶段模型感染检测方法装置设备介质

[发明专利]一种图像分割方法、装置、设备及介质-CN202310004030.9在审
发明人：凌雅婷;刘倩;蒋佳欣;孔德兴 -专利权人：濮阳大数据与人工智能研究院;海盐县南北湖医学人工智能研究院
申请日： 2023-01-03 - 公布日： 2023-05-30 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种图像分割方法、装置、设备及介质，涉及医学图像处理领域，包括：建立图像分割模型，并采用若干样本图像进行训练；对样本图像进行特征提取，获取不同层次的特征数据，其中，特征数据包括多个高层次特征数据和多个低层次特征数据；对特征数据依次融合，输出多个融合特征数据；对各个高层次特征数据进行聚合特征提取，获得参考特征数据；基于参考特征数对各个融合特征数据进行注意力机制解码，生成多个输出结果；基于输出结果建立损失函数，在训练中进行多输出学习，以获得目标模型；采用目标模型对待处理图像进行处理，多输出迭代生成目标结果，解决现有图像分割模型处理过程中只存在单一尺度的输出，导致分割精准度不够的问题。
一种图像分割方法装置设备介质

[发明专利]一种眼底图像筛查方法、装置、设备及介质-CN202310004329.4在审
发明人：徐修远;洪源 -专利权人：杭州类脑科技有限公司;海盐县南北湖医学人工智能研究院
申请日： 2023-01-03 - 公布日： 2023-05-30 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种眼底图像筛查方法、装置、设备及介质，涉及图像处理技术领域，包括：采集若干组眼底清晰图像、眼底模糊图像和瞳孔拼接图像，预处理以生成训练样本；建立初始检测模型，基于训练样本将眼底模糊图像和瞳孔拼接图像作为双输入，并在分别进行特征提取后拼接以分类，以在训练后获得用于眼底目标检测的目标模型；获取实时目标用户的眼底清晰图像、眼底模糊图像和瞳孔拼接图像，采用所述目标模型基于目标用户的眼底模糊图像和瞳孔拼接图像输出目标检测结果，并根据目标检测结果关联所述眼底清晰图像，以自主执行图像筛查，克服现有儿童眼底图像筛查人工操作，需要保持较长时间，操作不便且效率较低的问题。
一种眼底图像方法装置设备介质

[发明专利]一种基于深度神经网络的超声结节重识别方法-CN202211341258.9在审
发明人：蒋思远;张建峰;梁萍;于杰;王羽翎;孙立涛;李世岩;包凌云;郑哲岚;牟芸;陈燕;朱法望;孔德兴;杜佩;马新月;孔维真 -专利权人：杭州类脑科技有限公司;海盐县南北湖医学人工智能研究院;浙江大学
申请日： 2022-10-27 - 公布日： 2023-04-04 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及超声视频人工智能技术，旨在提供一种基于深度神经网络的超声结节重识别方法。包括：收集超声结节影像，勾画其中的结节轮廓，建立数据集；构建包括特征提取器和分类器的结节分类模型并进行训练；仅使用模型中的特征提取器提取实时扫描影像中的特征向量；然后根据余弦距离来度量相似性，以此判断两个视频片段的内容是否属于同一结节；使用聚类算法对视频片段进行分类。本发明可快速地对超声检查过程中发现的超声结节进行实时重识别，提高扫查过程和结果诊断的效率；能够提高超声结节实时重识别的准确性，摆脱传统超声检查对医生个体能力的依赖。
一种基于深度神经网络超声结节识别方法

[发明专利]肝癌患者生存期预测方法、装置、设备及介质-CN202211607508.9在审
发明人：王亦浏;刘治坤;祝思妤;杜文鼎 -专利权人：杭州类脑科技有限公司;海盐县南北湖医学人工智能研究院
申请日： 2022-12-14 - 公布日： 2023-03-24 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种肝癌患者生存期预测方法、装置、设备及介质，涉及数据处理技术领域，包括：获取多个患者的历史肝脏图像，预处理获取数据集；所述数据集中包含若干数据包，每一数据包均包括某一患者的各个模态的若干肿瘤图像，且关联唯一生存期标签；建立初始预测模型，获取数据集中任一数据包，在所述初始预测模型中，所述数据包中的肿瘤图像分别在特征提取后进行多模态图像融合，以输出中间特征数据；采用transformer模块进行注意力机制学习后；采用分类器输出生存期预测结果；训练完成以获得目标预测模型；获取目标患者的肝脏图像，预处理后输入至目标预测模型，生成目标生存期预测结果，解决现有技术中缺乏自主进行肝癌患者生存期预测方法的问题。
肝癌患者生存预测方法装置设备介质

[发明专利]一种医学图像分割方法及计算机可读存储介质-CN202210734369.X在审
发明人：凌雅婷;刘倩;孔德兴 -专利权人：濮阳大数据与人工智能研究院;海盐县南北湖医学人工智能研究院
申请日： 2022-06-27 - 公布日： 2023-01-10 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种医学图像分割方法及计算机可读存储介质，医学图像分割方法包括以下步骤：获取多份医学图像，将医学图像分类为训练图像、验证图像和测试图像，并对训练图像作变化处理；对训练图像作质心提取；以图像质心(cx,cy)为中心的直角坐标系下，计算训练图像的像素点于极坐标系下的极坐标；基于改进UNet网络对变化图像分割；在以图像质心(cx,cy)为中心的极坐标系下，计算分割图像的像素点于直角坐标系下的直角坐标，以得到直角坐标系下的结果图像。采用上述技术方案后，可极大提高自动化医疗评估的效率，缓解人工分割医学图像的压力。
一种医学图像分割方法计算机可读存储介质

[发明专利]脏器医学影像的数据压缩方法、系统，及重建方法、系统-CN202210849719.7在审
发明人：徐磊;畅婉如;杨格儿;孔德兴 -专利权人：杭州类脑科技有限公司;海盐县南北湖医学人工智能研究院
申请日： 2022-07-19 - 公布日： 2022-11-04 - 主分类号： G06T9/00 文献下载
摘要：本发明提供了一种脏器医学影像的数据压缩方法、系统，及重建方法、系统，数据压缩方法，包括以下步骤：搜集医学影像数据库中的脏器医学影像，并对脏器医学影像预处理后形成为医学影像数据集；确定医学影像数据集的高维图像信息的低维稀疏表示有效基，及与低维稀疏表示有效基对应的稀疏采样列向量的位置索引；存储对应于医学影像数据集的稀疏采样列向量的位置索引的图像信息，及低维稀疏表示有效基的图像特征为压缩数据。采用上述技术方案后，可对医学影像高倍率压缩和快速无损重建。
脏器医学影像数据压缩方法系统重建

[发明专利]医学图像的病理分布生成方法、系统及计算机可读存储介质-CN202210966746.2在审
发明人：徐磊;代汶利;王亚娟;孔德兴 -专利权人：杭州类脑科技有限公司;海盐县南北湖医学人工智能研究院
申请日： 2022-08-12 - 公布日： 2022-11-01 - 主分类号： G06V10/25 文献下载
摘要：本发明提供了一种医学图像的病理分布生成方法、系统及计算机可读存储介质，病理分布生成方法，包括以下步骤：获取医学图像的图像数据的待处理矩阵集合，并对待处理矩阵集合预处理，以得到医学图像的感兴趣区域及感兴趣区域对应的类别标签；对感兴趣区域标准化，并基于分类器对标准化后的感兴趣区域作特征提取，以形成特征向量；对n维的特征向量作非线性降维，以生成具有低维坐标的低维嵌入；基于具有低维坐标的低维嵌入绘制病理分布场图像。采用上述技术方案后，实现对非线性二维矩阵数据样本之间特征的区分与相似性衡量，保留数据中的重要结构信息，优化数据处理的结果。
医学图像病理分布生成方法系统计算机可读存储介质

[发明专利]基于深度学习的卵巢癌图像处理方法及系统-CN202210781857.6在审
发明人：王斯盛;李璐;张丽霞;徐彩云 -专利权人：濮阳大数据与人工智能研究院;浙江大学;浙江中医药大学;浙江省中医院、浙江中医药大学附属第一医院（浙江省东方医院）;海盐县南北湖医学人工智能研究院
申请日： 2022-07-04 - 公布日： 2022-10-21 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于深度学习的卵巢癌图像处理方法及系统，卵巢癌图像处理方法包括以下步骤：获取第一测试卵巢肿瘤图像，并经图像混合后形成第一混合图像；将第一混合图像分别输入至四个不同的分类神经网络模型，确定最优分类神经网络模型；获取第二测试卵巢肿瘤图像，并经病灶混合后形成第二混合图像；将第二混合图像分别输入至四个不同的分割神经网络模型，确定最优分割神经网络模型；将最优分割神经网络模型与基于病灶边缘的KiteNet分割网络集成，确定最终分割神经网络模型；基于最优分类神经网络模型对CT‑PET卵巢癌图像分类，并基于最终分割神经网络模型对CT‑PET卵巢癌图像作病灶分割。采用上述技术方案后，可对卵巢癌图像作最优条件下的图像处理。
基于深度学习卵巢癌图像处理方法系统

[发明专利]用于监测跳绳过程的监测系统建立方法及监测系统-CN202210515418.0在审
发明人：耿冰清;王功腾;陈加广;洪源 -专利权人：浙江摩深医学装备科技有限公司;海盐县南北湖医学人工智能研究院
申请日： 2022-05-11 - 公布日： 2022-08-19 - 主分类号： A63B5/20 文献下载
摘要：本发明提供了一种用于监测跳绳过程的监测系统建立方法及监测系统，监测系统建立方法，包括以下步骤：于实验跳绳的手柄内植入陀螺仪及加速度传感器，生成实验加速度信号数据，且于跳绳过程所处的实验环境内放置至少一个摄像设备，以录制跳绳过程；采集实验加速度信号数据及摄像设备生成的实验视频数据，基于实验加速度数据和实验视频数据建立模型，其中模型包括实验加速度信号数据与实验视频数据内跳绳者的起跳高度的对应关系；采集植入有陀螺仪及加速度传感器的真实跳绳的实时加速度信号数据，并将实时加速度信号数据输入模型内，以输出跳绳过程的运动量。采用上述技术方案后，可以实现全自动监测跳绳过程跳绳的次数和运动量。
用于监测跳绳过程系统建立方法

[发明专利]基于全局自动生长的肝脏血管提取方法、系统及计算机可读存储介质-CN202210513891.5在审
发明人：张建峰;孔维真;李康安;陈峰 -专利权人：杭州类脑科技有限公司;海盐县南北湖医学人工智能研究院
申请日： 2022-05-11 - 公布日： 2022-07-29 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于全局自动生长的肝脏血管提取方法、系统及计算机可读存储介质，肝脏血管提取方法，包括以下步骤：获取一医学图像，并对医学图像分割，以获得肝脏区域图像；标定肝脏区域图像中的肝脏血管树的起点，基于一代价度量函数和快速随机扩展树算法，模拟肝脏血管树的生长过程，并在生长过程中根据代价度量函数评估肝脏血管树的生长总能量；基于剪枝算法去除肝脏血管树的生长过程中的不合理连接部分或分叉部分，当生长总能量趋于稳定并保持极小时，输出肝脏血管树的提取结果。采用上述技术方案后，可以解决临床应用的重要需求，也有助于推进血管生长内在规律的定量分析和进一步探究。
基于全局自动生长肝脏血管提取方法系统计算机可读存储介质

[发明专利]基于深度学习的超声影像混合训练方法-CN202011445351.5有效
发明人：孔德兴;梁萍;罗定存;徐栋;于杰;李世岩;张燕;包凌云;陈利民;董立男;杨琪;蔡文佳;赵勤显 -专利权人：浙江求是数理医学研究院;海盐县南北湖医学人工智能研究院;浙江大学
申请日： 2020-12-09 - 公布日： 2022-07-05 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及医学图像处理领域，旨在提供一种基于深度学习的超声影像混合训练方法。包括步骤：利用资料库中不同检查部位的超声影像数据，准备训练集、验证集和测试集；对各数据集进行预处理；构建并训练卷积神经网络，训练时采用多通道输出，但只有单一通道参与反向传播；对训练好的卷积神经网络进行测试。本发明通过结合多个不同病种的超声数据集一起训练，使得卷积神经网络模型能够接触到更多样本，缓解数据集样本少、病例单一的问题，进而提高训练得到的模型在单个任务上的表现。本发明将多个超声任务通过同一个卷积神经网络完成，可降低训练和部署成本，提升用户体验。
基于深度学习超声影像混合训练方法

[发明专利]基于深度卷积神经网络和特征融合的骨龄评定方法、设备及计算机可读存储介质-CN202111529159.9在审
发明人：惠庆磊;洪源;孔德兴 -专利权人：杭州博钊科技有限公司;海盐县南北湖医学人工智能研究院
申请日： 2021-12-14 - 公布日： 2022-03-25 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于深度卷积神经网络和特征融合的骨龄评定方法、设备及计算机可读存储介质，骨龄评定方法包括如下步骤：收集手腕骨X线片，对手腕骨X线片分类形成手腕骨X射线图像集；随机选取训练图像和测试图像，基于TW评分法标记ROI区域，构建应用YOLO模型的目标检测神经网络，将训练图像和测试图像输入目标检测神经网络，形成深度卷积神经网络；随机选择训练图像输入至深度卷积神经网络，由深度卷积神经网络提取训练图像的全局特征信息，并基于目标检测神经网络提取训练图像的局部特征信息，以融合全局特征信息和局部特征信息得到骨龄评定结果。采用上述技术方案后，可实现骨龄评估的全自动化，提升网络性能，进一步提高骨龄评定的准确率。
基于深度卷积神经网络特征融合评定方法设备计算机可读存储介质

[发明专利]一种基于弱监督学习的医学影像分割方法及计算机可读存储介质-CN202111049771.6在审
发明人：刘缘朋;惠庆磊;潘立旸;洪源;欧阳小平 -专利权人： 海盐县南北湖医学人工智能研究院;杭州类脑科技有限公司
申请日： 2021-09-08 - 公布日： 2021-12-07 - 主分类号： G06T7/11 文献下载
摘要：本发明提供了一种一种基于弱监督学习的医学影像分割方法及计算机可读存储介质，医学影像分割方法，包括以下步骤：采集医学影像数据和体积先验数据，并对医学影像数据和体积先验数据预处理以形成用于训练的原始数据集；基于原始数据集构建基于弱监督学习的卷积神经网络，训练并交替更新卷积神经网络模型及其权重参数；基于训练完毕的卷积神经网络，对待分割的医学影像分割，得到图像分割结果。采用上述技术方案后，可减轻数据成本，减少进行数据标注的时间，弥补了现有方法数据获取难的问题，并使训练的模型具有一定的泛化能力。
一种基于监督学习医学影像分割方法计算机可读存储介质

1
2
下一页»
尾页
共 16 条