“北京红云智胜科技有限公司”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14个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度学习的冠状动脉造影图分割的优化方法-CN201810766732.X有效
发明人：徐波;杨若琳;王筱斐;陈东浩;叶丹 -专利权人： 北京红云智胜科技有限公司;中国医学科学院阜外医院
申请日： 2018-07-13 - 公布日： 2022-06-07 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于深度学习的冠状动脉造影图分割的优化方法，包括：使用Tensor对象存储冠状动脉造影图，并通过GPU在神经网络中加速计算，得到分割结果；通过神经网络中添加的级联模块和像素恢复模块相结合的网络结构对冠状动脉造影图的分割结果优化。本发明在训练时迭代一张图一次可以提升0.083s，面对现实生活中数量高达千级的数据集，可以节省1分钟以上。而通常用于图像风格的神经网络都至少训练10万次以上，完成整个网络的训练可以节省100分钟以上。与此同时，修改了网络的部分结构，使得该方法具有在保证图片分割准确率的同时，大大缩短了时长的优点，并提了升分割准确率。
一种基于深度学习冠状动脉造影分割优化方法

[发明专利]一种计算血流量SYNTAX评分权重分配方法及系统-CN202210178296.0在审
发明人：徐波;张洪刚;王筱斐;谢丽华;黄云飞;陈东浩;赵森祥 -专利权人：中国医学科学院阜外医院;北京红云智胜科技有限公司
申请日： 2022-02-25 - 公布日： 2022-05-27 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种计算血流量SYNTAX评分权重分配方法及系统，通过深度学习中图像分割的技术，通过冠脉造影影像计算出所有冠脉血管树节段的直径，通过直径来大致计算冠脉血管各个节段的实际血流量，并以此为根据分配各个节段的权重，从而解决上述SYNTAX评分系统中存在的血流量与血管权重不匹配问题，可以更精确量化各个血管分支节段在整体SYNTAX评分中的重要程度。
一种计算血流 syntax 评分权重分配方法系统

[发明专利]一种基于深度学习的表情包生成系统及方法-CN201810298914.9有效
发明人：尤纪璇;陈东浩 -专利权人： 北京红云智胜科技有限公司
申请日： 2018-04-04 - 公布日： 2022-04-29 - 主分类号： G06T11/00 文献下载
摘要：一种基于深度学习的表情包生成系统，包括：神经网络调控单元、视频处理模块、电源模块、神经网络训练模块、神经网络反馈模块、神经网络测试模块、测试结果后处理模块、摄像头信息处理模块和、摄像头单元、模型存储模块和视频数据库；完美的构建了生成对抗网络(GAN)架构,训练难度较低；GAN采用对抗训练法，网络不是直接复制真实数据或者对它们取平均，这增加了生成样本的多样性，智能化的在目标人像上表达，通过自动化的计算设计，使上述表情包的生成实时化。
一种基于深度学习表情生成系统方法

[发明专利]一种基于深度学习的冠脉造影图像处理方法及装置-CN202111561803.0在审
发明人：徐波;张洪刚;刘硕;王筱斐;谢丽华;陈东浩;赵森祥 -专利权人：中国医学科学院阜外医院;北京红云智胜科技有限公司
申请日： 2021-12-16 - 公布日： 2022-03-25 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种基于深度学习的冠脉造影图像处理方法及装置，以冠脉造影图像为输入，使用神经网络目标检测工具箱mmdetection提取钙化区域特征以计算钙化分数，使用了特征提取和回归分析的方法，将基于深度学习的目标检测技术应用到冠状动脉钙化分析上，通过深度学习技术解决通过心脏冠脉造影图像的钙化识别和血管钙化程度分析问题。
一种基于深度学习造影图像处理方法装置

[发明专利]基于深度学习的检测冠脉造影有无完全闭塞病变的系统-CN201910779238.1有效
发明人：徐波;张兴哲;王筱斐;陈东浩;叶丹 -专利权人： 北京红云智胜科技有限公司;中国医学科学院阜外医院
申请日： 2019-08-22 - 公布日： 2022-02-08 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习的检测冠脉造影有无完全闭塞病变的系统，使用深度学习循环神经网络对整体视频进行分析，并利用GPU(图形处理器)加速计算得到检测结果，计算延时小解决了检测的实时性问题。本发明中的系统包括视频输入模块、卷积神经网络模块、编解码注意力模块和分类模块。特别的，本发明提出的编解码注意力模块及其监督算法，用于产生合适的注意力权重提高检测准确率。端到端的系统设计实现了冠状动脉完全闭塞检测流程的自动化，无需复杂的中间步骤。相比于其他检测有无完全闭塞病变的系统，本发明对整体视频而不是单一图像做出分析，减少了因单一图像造成误判的情况，显著提高了完全闭塞病变存在性判断的准确率。
基于深度学习检测造影有无完全闭塞病变系统

[发明专利]一种基于深度学习的心脏冠状动脉分割及识别的方法-CN201810441544.X有效
发明人：徐波;梁枭;王筱斐;叶丹 -专利权人： 北京红云智胜科技有限公司;中国医学科学院阜外医院
申请日： 2018-05-10 - 公布日： 2021-10-15 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于深度学习的心脏冠状动脉分割及识别的方法，通过选取分段心脏造影Dicom视频中任意一帧图片作为训练样本，神经网络中的卷积神经网络模块通过深度学习的方法对训练样本中的图片进行血管的分割和识别，将用于分割和识别的心脏血管特征图输出至金字塔模块；金字塔模块应用金字塔融合的方法，输出不同尺度的心脏血管特征图至反卷积层；反卷积层通过双线性插值的方法得到心脏冠状动脉分割及识别血管图的技术方案，可以对图片中每一个像素打标签，识别出图片中不同血管的类型。消除了由于背景像素和血管像素比例差异较大而导致的分类不均衡问题，有效的避免了图像背景中类似血管状的纹理引入的干扰，提高了分割精确度。
一种基于深度学习心脏冠状动脉分割识别方法

[发明专利]一种使用连续多帧图像构建完整结构血管树结构的方法-CN202110760035.5在审
发明人：徐波;张洪刚;史晓彤;王筱斐;谢丽华;陈东浩;吴芮葭;刘旭卿 -专利权人：中国医学科学院阜外医院;北京红云智胜科技有限公司
申请日： 2021-07-06 - 公布日： 2021-10-08 - 主分类号： G06T7/10 文献下载
摘要：一种使用连续多帧图像构建完整结构血管树结构的方法，涉及冠脉造影图像处理技术领域，解决现有方法针对单帧图像存储，存在信息不完整，导致不能完整还原血管形态的风险，且存储时无法对其进行修正等问题，本发能够自动根据造影图像建立起完整血管树。包含冠脉造影血管实例分割，分割图像后处理，骨架线提取，连续多帧图像配准，血管树信息存储。使用基于计算机视觉领域中的图像处理方法，并使用统一的评判标准，可以减少人为因素所带来的误判。根据提出的依据节点信息进行血管树建立，可以快速帮助进行血管结构的分析。本发明使得存储的骨架线结构最大限度的完整，使得血管信息最大程度的保留，为建立完整的血管树提供更可靠的参考价值。
一种使用连续图像构建完整结构血管方法

[发明专利]快速构建心脏冠脉血管识别数据集的方法-CN201810675750.7有效
发明人：徐波;翟墨;王筱斐;陈东浩;叶丹 -专利权人： 北京红云智胜科技有限公司;中国医学科学院阜外医院
申请日： 2018-06-27 - 公布日： 2021-07-09 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种快速构建心脏冠脉血管识别数据集的方法，包括：获取原始图片；在原始图片中标注血管形成粗标注图片；根据粗标图对极少量的原始图片进行像素级标注以形成精标注图片；将精标注图片由三通道图像变成单通道图像；将单通道图像二值化处理并存储为二值化图片；将二值化图片以及其对应的原始图片作为训练数据，对初始网络进行训练，得到第一网络；将所有的原始图片输入到上述第一网络中，得到二值化结果图；基于所述二值化结果图及其对应的粗标注图片生成伪精标注图片；基于原始图片、精标注图片及伪精标注图片建立数据集，以对网络进行训练。该方法在大量减少人工标注成本的同时保证了数据集的质量，且训练速度可以得到明显提升。
快速构建心脏血管识别数据方法

[发明专利]建立训练识别心脏血管类型的卷积神经网络数据集的方法-CN201810441538.4有效
发明人：徐波;翟墨;王筱斐;叶丹 -专利权人： 北京红云智胜科技有限公司;中国医学科学院阜外医院
申请日： 2018-05-10 - 公布日： 2021-06-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种建立训练识别心脏血管类型的卷积神经网络数据集的方法，包括：获取脱敏处理后的心脏冠脉数据，将心脏冠脉数据以单张静态图片形式存储；在单张静态图片中使用对应颜色标注当前体位下的血管，形成粗标图；对粗标图中标注的信息进行像素级标注，形成精标图；识别精标图中血管的颜色，使图片由三通道图像变成单通道图像；将单通道图像存储为二值图；基于脱敏处理后的心脏冠脉数据、粗标图、精标图、单通道图像和二值图建立训练识别心脏血管类型的卷积神经网络数据集。本发明对数据作统一标准的处理，该数据集中的数据真实、多样，数据量大，数据类型丰富，格式标准、错误率较小，可以用于训练不同功能的神经网络，减少人工干预。
建立训练识别心脏血管类型卷积神经网络数据方法

[发明专利]基于深度学习检测甲状腺超声图像中结节的方法和装置-CN202011548496.8在审
发明人：罗渝昆;谢芳;林科汝;陈东浩;张艳;田晓琦;张颖;王筱斐;叶丹;任改霞;李发根;欧阳勇春 -专利权人：中国人民解放军总医院第一医学中心;北京邮电大学;北京红云智胜科技有限公司
申请日： 2020-12-24 - 公布日： 2021-04-06 - 主分类号： G06T7/00 文献下载
摘要：本公开提供了基于深度学习检测甲状腺超声图像中结节的方法，对甲状腺超声图像预处理操作；将预处理后的甲状腺超声图像特征提取，获取特征图像；将获取的特征图像分别输入至对应的分类与回归结构，获取针对每张特征图像中甲状腺结节区域的具体位置信息；对输入至对应的分类与回归结构中的特征图像计算所产生的分类损失、中心点距离回归损失以及偏移量损失，通过加权求和计算获取待训练模型的总体损失；对待训练模型进行训练以及测试操作。该方法提供了一种无需设置anchor box、高效的对甲状腺超声图像中结节区域进行检测的方法，避免与anchor box相关的计算与资源浪费、加快训练速度，增强实验结果泛化性能。本公开还提出基于深度学习检测甲状腺超声图像中结节的装置。
基于深度学习检测甲状腺超声图像结节方法装置

[发明专利]快速构建人脸动作单元识别数据集的方法-CN201910206774.2有效
发明人：张洪刚;王刚;陈东浩;杨蕊;钟悦;丰雷;张昊妍;陈弘舟 -专利权人：北京邮电大学;首都医科大学附属北京安定医院;北京红云智胜科技有限公司
申请日： 2019-03-19 - 公布日： 2021-01-29 - 主分类号： G06K9/00 文献下载
摘要：快速构建人脸动作单元识别数据集的方法，包括：标注手册的建立；AU的选定与处理；选定与步骤二相同的待标注AU和标注成员分组方式；本发明采用机器标注+人工修正、分组标注、多一致性准则和标注样例集的方法，在尽量减少人工标注成本的同时,保证了标注准确性，降低了标注复杂性，保持了不同标注人员的一致性，该方法能够在较短的时间内快速构建人脸动作单元识别数据集，极大的降低了人力成本，且很好的解决了现有技术中，多人标注时一致性难以统一的不足。
快速构建动作单元识别数据方法

[发明专利]深度学习网络和人工特征相联合的行人检测方法及系统-CN201810426439.9有效
发明人：陈东浩;叶丹 -专利权人： 北京红云智胜科技有限公司
申请日： 2018-05-07 - 公布日： 2020-12-29 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种深度学习网络和人工特征相联合的行人检测方法，包括深度学习网络训练步骤和深度学习网络检测步骤，本发明还提供一种深度学习网络和人工特征相联合的行人检测系统。本发明利用多线程和并行计算对人工检测方法进行加速，明显降低了计算时间，利用深度学习网络和人工特征联合的方式，准确率高，误检率低，鲁棒性强。
深度学习网络人工特征相联行人检测方法系统

[发明专利]基于深度学习的测量冠状动脉造影图像血管直径的方法-CN201810630919.7在审
发明人：徐波;王筱斐;赵森祥;陈东浩;叶丹 -专利权人： 北京红云智胜科技有限公司
申请日： 2018-06-19 - 公布日： 2019-01-18 - 主分类号： A61B5/107 文献下载
摘要：本发明公开了一种基于深度学习的测量冠状动脉造影图像血管直径的方法，包括：DSA影像处理模块将实时获取的DSA影像数据转成可供后续模块处理的数据流存储到内存中并发送至深度网络分割模块；深度网络分割模块将获取的DSA影像数据中的图像进行分割处理，将血管像素与背景像素区分；中心线提取模块提取区分血管像素图像中的血管中心线；直径计算模块基于分割处理后的图像和血管中心线，计算血管测量直径、参考直径以及狭窄率。本发明与PVA方法相比结果更为客观，避免了不同医生、不同医院之间由于判读方法不同而存在的差异；本方法测量过程不需人工干预，操作方法简单易行，可供医生在冠脉造影术进行中使用，为医生提供客观的参考冠脉狭窄程度。
血管图像冠状动脉造影血管中心线分割处理网络分割影像数据医生测量中心线提取模块影像处理模块冠脉造影术数据流存储背景像素方法测量冠脉狭窄后续模块人工干预实时获取像素图像血管测量直径计算参考判读像素内存狭窄发送学习

[发明专利]一种基于深度学习的表情分类及微表情检测的方法-CN201810354018.X在审
发明人：陈东浩;叶丹 -专利权人： 北京红云智胜科技有限公司
申请日： 2018-04-19 - 公布日： 2018-10-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于深度学习的表情分类及微表情检测的方法，包括：将待测数据调整为预设格式的图像后进行地标点定位检测，将图像和检测的地标点作为第一输入样本；基于预设的微表情与地标点位置对照表作为第二输入样本，将第一输入样本和第二输入样本使用随机最速下降法进行深度学习网络的训练，通过深度学习网络结构中新增的首层对图像进行目标区域剪裁，将剪裁后的图像分别同时进入深度学习网络结构中对应的各个层的进行训练，输出表情分类及微表情的检测结果。本发明解决了已有的人工特征方法或者深度学习方法准确率不高的技术问题。提出了新的深度学习模型，提高了表情分类和微表情检测的准确率。
表情分类输入样本表情地标点图像学习检测网络结构准确率剪裁位置对照表最速下降法定位检测检测结果目标区域数据调整预设格式预设输出网络

1
共 14 条