“何林阳”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47个，建议您升级VIP下载更多相关专利

[发明专利]一种肺结节所属肺段识别模型和训练方法-CN202311039752.4在审
发明人：许阳阳;何林阳;柳文轩;季红丽;程国华 -专利权人：杭州健培科技有限公司
申请日： 2023-08-17 - 公布日： 2023-09-22 - 主分类号： G06T7/00 文献下载
摘要：本发明一种肺结节所属肺段识别模型和训练方法，不依赖于肺段分割mask，兼顾推理速度和准确度，且避免了巨大的标注成本。所述模型根据第一输入数据和第二输入数据，预测肺结节所属肺段，所述第一输入数据，包含根据肺结节位置中心坐标，从肺部图像中切割出的肺结节的图像信息数据、从肺部mask中切割出的肺结节对应的肺叶mask信息数据、从肺部图像归一化每一点的坐标信息后的坐标信息块中切割出的肺结节对应的位置信息数据；所述第二输入数据，包含肺结节所在肺叶mask位置中各肺叶标签的占比作为该肺结节的肺叶百分比信息。
一种结节所属识别模型训练方法

[发明专利]一种医学影像3D关键点检测方法、模型训练方法及装置-CN202310579070.6有效
发明人： 何林阳;季红丽;程国华 -专利权人：杭州健培科技有限公司
申请日： 2023-05-19 - 公布日： 2023-08-25 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种医学影像3D关键点检测方法、模型训练方法及装置。具体实现为：获得低空间分辨率的第一待检测标准体位医学影像和预设物理分辨率的第二待检测标准体位医学影像；从第一待检测标准体位医学影像全图提取3D关键点的第一坐标信息；从所述第二待检测标准体位医学影像裁剪出局部三维图像块和局部三维特征拼接构成拼接待检测图像；从拼接待检测图像获得3D关键点的精确定位预测结果。本方案基于由粗到精的设计思路，两阶段检测方法，有效减少了系统一次性处理图像大小和网络模型参数量体量。能够在占用相对较少的运算资源的情况，进行医学影像中3D关键点的精确预测。
一种医学影像关键检测方法模型训练装置

[发明专利]一种用于CT影像肺炎识别的图像处理方法和系统-CN202010501917.5有效
发明人： 何林阳;程国华;罗梦妍;季红丽 -专利权人：杭州健培科技有限公司
申请日： 2020-06-04 - 公布日： 2023-08-18 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种用于CT影像肺炎识别的图像处理方法和系统，该图像处理方法在卷积分类模型中引入基于肺炎掩模的注意力机制，对卷积特征在空间层面进行加权，对于肺炎区域的特征乘一个更大的系数，非肺炎区域特征乘以一个小的系数，使肺炎区域特征更加突出；另，对于三维CT序列采用二维网络，对序列的每个阳性层面(患有肺炎的层面)逐层分类，然后通过类别加权然后投票取概率最大的类别得到该三维CT序列的肺炎分类结果，以此方式可以快速高效地识别CT影像中的肺炎类别。
一种用于 ct 影像肺炎识别图像处理方法系统

[发明专利]用于图像局部刚性部位的自动配准方法、装置和应用-CN202110928176.3有效
发明人：程国华;何林阳;季红丽;龚向阳 -专利权人：杭州健培科技有限公司
申请日： 2021-08-13 - 公布日： 2023-07-07 - 主分类号： G06T7/00 文献下载
摘要：本申请提出一种用于图像局部刚性部位的自动配准方法、装置和应用，该方法包括：获取一组同部位参考图像和待配准图像，其中所述参考图像与所述待配准图像对应包括一个或多个局部刚性部位；将所述参考图像和所述待配准图像分别输入关键点检测模型中，获取所述参考图像与所述待配准图像中对应目标局部刚性部位的同名关键点，其中所述关键点检测模型基于所述目标局部刚性部位训练得到；基于所述同名关键点建立匹配点对集,并根据所述匹配点对集建立变换矩阵；根据所述变换矩阵配准所述目标局部刚性部位。该方法中根据变换矩阵以局部刚性配准的方法将待配准图像中的特定部位和参照图像进行配准，具有配准精确且模型压力小的优势。
用于图像局部刚性部位自动方法装置应用

[发明专利]目标检测模型构建方法、目标检测方法及装置-CN202211708845.7在审
发明人：李林超;王威;何林阳;周凯 -专利权人：浙江啄云智能科技有限公司
申请日： 2022-12-29 - 公布日： 2023-06-27 - 主分类号： G06V10/10 文献下载
摘要：本发明公开了一种目标检测模型构建方法、目标检测方法及装置，其中目标检测模型构建方法包括：获取已标注数据集和未标注数据集；基于已标注数据集进行模型训练，得到第一训练模型；根据已标注数据集和未标注数据集，对初始化后的第二训练模型进行训练；其中，每次训练时，根据当前的第二训练模型对未标注数据集进行第一伪标签标定，并根据伪标签标定结果，对未标注数据集进行目标粘贴操作或图像拼接操作，以使未标签数据集与已标签数据集进行融合，继而基于融合后的数据集对当前的第二训练模型进行本轮训练，获得第一目标检测模型。本发明能够提高模型的检测能力。
目标检测模型构建方法装置

[发明专利]一种CT影像中肋骨骨折的检测与分割方法及装置-CN202110243363.8有效
发明人：程国华;李其杰;何林阳;季红丽 -专利权人：杭州健培科技有限公司
申请日： 2021-03-05 - 公布日： 2023-06-13 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种CT影像中肋骨骨折的检测与分割方法及装置，结合分类和分割方法分步进行，通过分类方法判断像素块的阴阳性后进行聚类得到骨折的近似位置，再基于骨折近似位置通过分割方法对局部图像进行分割获取确定的骨折位置，直接在三维空间中进行CT影像中骨折位置的自动检测，无需将CT影像展开为二维图像，且采用分类、聚类、分割结合的方式克服单纯目标检测方法存在的缺陷，使得该检测与分割方法可兼备假阳性低以及检出率高的技术效果。
一种 ct 影像肋骨骨折检测分割方法装置

[发明专利]一种用于肺部CT影像质量的自动评估系统及方法-CN202010180723.X有效
发明人：程国华;韩自营;姜志强;龚向阳;何林阳;季红丽 -专利权人：杭州健培科技有限公司
申请日： 2020-03-16 - 公布日： 2023-05-23 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种“端到端”的用于肺部CT影像质量的自动评估系统及方法，该自动评估系统可高准确度、高效率地获取CT影像中的伪影，并对CT影像进行客观公正的评估，便于医院以及体检机构进行CT影像质控的使用与拓展，且独创性地实现CT影像体位判别，协助影像质检人员对防护检测是否到位进行判断。
一种用于肺部 ct 影像质量自动评估系统方法

[发明专利]目标检测模型训练和目标检测方法、装置、设备及介质-CN202211734018.5在审
发明人：王威;何林阳;李林超;周凯 -专利权人：浙江啄云智能科技有限公司
申请日： 2022-12-22 - 公布日： 2023-05-02 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种目标检测模型训练和目标检测方法、装置、设备及介质，涉及计算机视觉技术领域。该方法包括：将可信图像和歧义图像进行融合，得到融合图像；可信图像是不包含歧义目标区域的图像，歧义图像是包含至少一个歧义目标区域的图像；将融合图像输入至区域建议网络，得到融合图像中的候选区域；依据融合图像中的候选区域，对歧义图像中的歧义目标区域进行标签矫正；基于矫正后的标签，对待训练模型进行训练，得到目标检测模型。本发明实施例的技术方案，可以解决歧义目标人工标注困难的问题，降低噪声目标对模型的干扰，提升模型训练稳定性。
目标检测模型训练方法装置设备介质

[发明专利]一种包裹打标识方法、装置、设备以及存储介质-CN202211627929.8在审
发明人：李林超;王威;何林阳;周凯 -专利权人：浙江啄云智能科技有限公司
申请日： 2022-12-16 - 公布日： 2023-04-11 - 主分类号： G06T7/70 文献下载
摘要：本发明公开了一种包裹打标识方法、装置、设备以及存储介质。该方法包括：基于预设的实例分割算法，确定相机采集的实际场景图像中包裹和/或快递单的位置信息，以及包裹和/或快递单的对应情况；根据包裹和/或快递单的对应情况，在检测到实际场景图像中存在包裹时，确定目标包裹，并确定是否存在与目标包裹对应的快递单；若是，则在目标包裹所在的图像区域中，确定除快递单之外的区域为目标区域，并在目标区域中确定为目标包裹打标识的最优位置；根据最优位置和实际场景图像与实际场景监控范围之间的映射关系，确定实际场景中为目标包裹打标识的实际位置，并根据实际位置，控制相关设备对包裹进行打标识，可以提高包裹打标识的效率和准确性。
一种包裹标识方法装置设备以及存储介质

[发明专利]一种CT影像中肋骨二维展开方法、装置及应用-CN202211636909.7有效
发明人：程国华;李其杰;季红丽;何林阳 -专利权人：杭州健培科技有限公司
申请日： 2022-12-20 - 公布日： 2023-03-31 - 主分类号： G06T7/00 文献下载
摘要：本方案提供了一种CT影像中肋骨二维展开方法、装置及应用，该方案通过将三维影像的CT影像中的肋骨中心线进行补充和延长，并且在肋骨的上方和下方新增虚拟中心线，自上而下的顺序将三维影像的肋骨中心线映射到二维曲线上，得到二维肋骨展开图。直接将人体肋骨所在的3D曲面转变为二维图像，且保证了在二维图像上可以准确地还原肋骨及肋骨、脊柱、肋骨及脊柱的对应关系，以及肋骨尺寸及肋骨周围组织，实现了在二维图像上依旧可以还原肋骨在人体内的真实结构特征。
一种 ct 影像肋骨二维展开方法装置应用

[发明专利]一种图像处理方法、装置、设备和存储介质-CN202211224366.8有效
发明人：李林超;何林阳;王威;周凯 -专利权人：浙江啄云智能科技有限公司
申请日： 2022-10-09 - 公布日： 2023-01-17 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种图像处理方法、装置、设备和存储介质，包括：采用至少两种图像处理算法，确定样本图像的预处理图像，根据预处理图像，确定样本图像中候选物的特征预测信息，根据特征预测信息确定样本图像的预测框，根据预测框和标定框的匹配结果从候选物中确定目标物，并确定预测框和标定框之间的相似分值；采用蒸馏算法，根据相似分值，分别对各图像处理算法进行分类蒸馏差异计算，确定各图像处理算法之间的预测结果差异值；从预测框中筛选出包含有目标物的预测区域，对预测区域进行卷积操作，确定蒸馏损失；根据预测结果差异值和蒸馏损失，对各图像处理算法的参数进行调整，以获得目标检测模型。提高了目标检测模型的图像处理效率。
一种图像处理方法装置设备存储介质

[发明专利]基于三维脑部CT图像的脑中线预测模型、方法及装置-CN202211187343.4有效
发明人：梁姬慧;季红丽;程国华;何林阳 -专利权人：杭州健培科技有限公司
申请日： 2022-09-28 - 公布日： 2023-01-10 - 主分类号： G06T7/00 文献下载
摘要：本方案提供一种基于三维脑部CT图像的脑中线预测模型、方法及装置，脑中线预测模型包括由多层提取层组成的编码网络以及多层重构层组成的解码网络，三维脑部CT图像依次经历多层提取层的提取得到对应层级的特征提取图，且使用自蒸馏的方法对多层所述提取层输出的特征提取图进行约束，解码网络得到的最终解码特征图经历预测层得到脑中线预测结果，最后一层提取层输出的特征提取图经历均值池化、Flatten和全联接网络后得到层级预测结果。可实现端到端的基于三维脑部CT图像的脑中线的预测，解决脑中线预测在三维场景下存在的不连贯、不平滑的现象。
基于三维脑部 ct 图像中线预测模型方法装置

[发明专利]基于自适应局部灰度均衡的关键点检测方法、装置及应用-CN202210599364.0有效
发明人：程国华;闫早明;何林阳;季红丽 -专利权人：杭州健培科技有限公司
申请日： 2022-05-30 - 公布日： 2022-12-23 - 主分类号： G06T7/00 文献下载
摘要：本申请提出了一种基于自适应局部灰度均衡的关键点检测方法、装置及应用，包括：获取医学影像，将医学影像输入到预筛关键点检测模型中输出至少一候选关键点以及自适应的目标灰度值区间，依据所述目标灰度值区间对所述待优化区域图像进行局部灰度均衡化处理得到优化区域图像；将优化区域图像输入到区域关键点检测模型中输出关键点。本方案可利用自适应生成的目标灰度值区间对待优化区域图像进行优化处理，处理后的图像用于更精准的关键点检测，进而提高关键点检测质量。
基于自适应局部灰度均衡关键检测方法装置应用

[发明专利]一种脊柱椎体校正识别方法、装置及应用-CN202211081837.4有效
发明人： 何林阳;季红丽;程国华 -专利权人：杭州健培科技有限公司
申请日： 2022-09-06 - 公布日： 2022-11-25 - 主分类号： G06V10/774 文献下载
摘要：本方案提供一种脊柱椎体校正识别方法、装置及应用，包括以下步骤：将待测脊柱图像输入到经训练后的椎体识别模型中输出至少三个候选椎体，自候选椎体内依据置信度自高至低的顺序筛选任务所需数量的第一椎体集，剩余的候选椎体为第二椎体集；基于错误椎体过滤条件从第一椎体集中过滤错误椎体得到第三椎体集；拟合第三椎体集得到脊柱中心点拟合线；基于遗漏椎体判定条件判定脊柱中心点拟合线上是否存在遗漏椎体，若存在则获取每一遗漏椎体的椎体位置和候选区域，并依据补充椎体判定条件补充遗漏椎体得到识别椎体集。本方案整合错误椎体识别、遗漏椎体判定以及遗漏椎体补全等步骤校正椎体识别模型识别得到的椎体，以提高椎体识别的精确度。
一种脊柱体校识别方法装置应用

[发明专利]目标检测模型的训练方法、装置与目标检测方法-CN202211059995.X有效
发明人：王威;李林超;何林阳;周凯;张腾飞 -专利权人：浙江啄云智能科技有限公司
申请日： 2022-09-01 - 公布日： 2022-11-22 - 主分类号： G06V20/00 文献下载
摘要：本申请提供了一种目标检测模型的训练方法、装置与目标检测方法。该目标检测模型的训练方法包括：获取训练图像；采用第一检测网络对训练图像中的候选样本区域进行分类和回归处理，得到候选样本对应的分类标签和回归位置；基于经第一检测网络处理得到的第二类型目标的分类标签重新分配候选样本的正负样本属性，得到分配结果，且将分配结果输入至第二检测网络中进行训练，且确定训练过程中各候选样本区域的动态损失权重信息；依据动态损失权重信息和经第一检测网络处理得到的候选样本对应的分类标签和回归位置，进行反向传播，以调整第一检测网络的参数和第二检测网络的参数。本方案可以实现对在标注时无法准确确定种类的目标的种类的确定。
目标检测模型训练方法装置

1
2
3
4
下一页»
尾页
共 47 条