“谭卫雄”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19个，建议您升级VIP下载更多相关专利

[发明专利]肺腺癌数据处理方法、系统、设备及计算机可读存储介质-CN202310503341.X有效
发明人：宋兰;胡歌;朱振宸;金征宇;周振;潘政松;谭卫雄 -专利权人：中国医学科学院北京协和医院
申请日： 2023-05-06 - 公布日： 2023-10-27 - 主分类号： G16H50/20 文献下载
摘要：本发明涉及肺腺癌数据处理方法、系统、设备及计算机可读存储介质。包括：获取肺腺癌患者的临床样本数据；提取所述临床样本数据的特征；基于所述特征对样本进行分类得到AAH/AIS/MIA组和IAC组的第一预分类结果；基于所述特征对样本进行分类得到AAH/AIS组和MIA/IAC组的第二预分类结果；对所述第一预分类结果中的IAC组和所述第二预分类中的AAH/AIS组样本进行再分类，所述再分类是基于所述特征对样本进行三分类得到AAH/AIS、MIA、IAC分类结果。本申请有效解决现有诊断模型对肺腺癌浸润性诊断准确性较低的问题，具有重要的临床应用价值。
腺癌数据处理方法系统设备计算机可读存储介质

[发明专利]基于加权多病灶的影像组学特征预测晚期癌症患者免疫治疗效果的方法及设备-CN202211204720.0有效
发明人：宋兰;金征宇;朱振宸;周振;谭卫雄;宋伟;雷晶 -专利权人：中国医学科学院北京协和医院
申请日： 2022-09-30 - 公布日： 2023-06-20 - 主分类号： G16H50/70 文献下载
摘要：本发明涉及基于加权多病灶的影像组学特征预测晚期癌症患者免疫治疗效果，具体涉及基于加权多病灶的影像组学特征预测晚期癌症患者免疫治疗效果的方法、系统、设备及计算机可读存储介质。包括：获取待测癌症患者的增强CT影像；基于加权多病灶方法提取影像组学特征，得到加权后的影像学组学特征，所述加权多病灶方法提取影像组学特征为：提取患者的增强CT影像中多个病灶的影像组学特征，并将所述多个病灶的影像组学特征自适应加权求和；将所述加权后的影像组学特征输入训练好的机器学习模型中，获得癌症患者是否适合抗PD‑1/PD‑L1单抗治疗的分类结果。本申请在癌症患者免疫治疗临床决策中具有很好的应用价值。
基于加权多病影像特征预测晚期癌症患者免疫治疗效果方法设备

[发明专利]用于预测晚期癌症患者PD-1/PD-L1单抗治疗疗效的系统-CN202211213716.0有效
发明人：宋兰;宋伟;朱振宸;周振;雷晶;谭卫雄;金征宇 -专利权人：中国医学科学院北京协和医院
申请日： 2022-09-30 - 公布日： 2023-03-21 - 主分类号： G16H50/50 文献下载
摘要：本发明涉及用于预测晚期癌症患者PD‑1/PD‑L1单抗治疗疗效的系统，具体涉及用于预测晚期癌症患者PD‑1/PD‑L1单抗治疗疗效的方法、系统、设备及计算机可读存储介质。包括：获取待测癌症患者的增强CT影像；提取癌症患者的增强CT影像组学特征；将所述影像组学特征输入训练好的PD‑1/PD‑L1表达状态模型，得到患者PD‑1/PD‑L1表达结果；基于所述表达结果将癌症患者的增强CT影像组学特征输入对应的疗效结果预测模型，得到患者抗PD‑1/PD‑L1单抗治疗疗效分类结果。本申请在解决癌症患者是否进行PD‑1/PD‑L1单抗治疗临床决策中具有很好的应用价值。
用于预测晚期癌症患者 pd l1 治疗疗效系统

[发明专利]一种融合多影像组学特征的免疫治疗预测模型的构建方法-CN202211204745.0有效
发明人：金征宇;宋兰;朱振宸;宋伟;雷晶;周振;谭卫雄 -专利权人：中国医学科学院北京协和医院
申请日： 2022-09-30 - 公布日： 2022-12-23 - 主分类号： G16H50/50 文献下载
摘要：本发明涉及一种融合多影像组学特征的免疫治疗预测模型的构建方法，具体涉及一种融合多影像组学特征的免疫治疗预测模型的构建方法、预测方法、系统、设备及计算机可读存储介质。包括：获取待测癌症患者的增强CT影像；提取影像组学特征，选择与PD‑1/PD‑L1表达状态相关的影像组学特征作为第一影像组学特征；提取影像组学特征，选择与免疫治疗反应相关的影像组学特征作为第二影像组学特征；将第一影像组学特征与第二影像组学特征进行特征融合，输入分类器，得到患者是否适合抗PD‑1/PD‑L1单抗治疗的分类结果。本申请具有很好的临床应用价值。
一种融合影像特征免疫治疗预测模型构建方法

[发明专利]模型生成方法、图像分类方法、装置、电子设备及介质-CN202011158778.7有效
发明人： 谭卫雄;王大为;张荣国;李新阳;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2020-10-26 - 公布日： 2022-09-02 - 主分类号： G06V10/774 文献下载
摘要：本发明实施例公开了一种模型生成方法、图像分类方法、装置、电子设备及介质。该模型生成方法包括：获取阳性样本和阴性样本，其中，每个阳性样本中至少一层CT图像的图像标签是阳性，且每个阴性样本中各层CT图像的图像标签均是阴性；将阳性样本和阴性样本作为训练样本，基于训练样本对原始分类模型进行训练，生成图像分类模型，其中，原始分类模型可包括特征提取网络、用于根据特征提取网络的输出结果重新标定阳性样本中各CT图像的图像标签的标签重定网络和图像分类网络，图像分类模型包括特征提取网络和图像分类网络。本发明实施例的技术方案，达到了降低模型生成过程中图像标注的工作量的效果。
模型生成方法图像分类装置电子设备介质

[发明专利]网络模型的训练方法及装置、图像处理方法及装置、设备-CN202011355246.2有效
发明人： 谭卫雄;王大为;张荣国;李新阳;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2020-11-26 - 公布日： 2022-07-26 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种网络模型的训练方法及装置、图像处理方法及装置、设备。该训练方法包括：根据多个二维医学样本影像对应的三维样本特征和多个二维样本特征，通过特征转化算法，获得三维求和样本特征和多个二维求和样本特征，其中，多个二维医学样本影像具有包含病灶或不包含病灶的整体标签，三维求和样本特征结合有多个二维样本特征转化而成的三维样本特征，多个二维求和样本特征结合有三维样本特征转化而成的多个二维样本特征；根据多个二维求和样本特征和三维求和样本特征，获得训练完成的网络模型，能够减少对医学影像的病灶的精确标注的依赖，且能够精准地对病灶进行自动分类，从而大大降低了医生的图像标注的工作量。
网络模型训练方法装置图像处理设备

[发明专利]一种视频眼瞳定位跟踪方法及装置-CN202210147276.7在审
发明人： 谭卫雄;周振;俞益洲;李一鸣;乔昕 -专利权人：北京深睿博联科技有限责任公司;杭州深睿博联科技有限公司
申请日： 2022-02-17 - 公布日： 2022-07-05 - 主分类号： G06T7/215 文献下载
摘要：本发明提供一种视频眼瞳定位跟踪方法及装置。所述方法包括：获取当前帧眼部图像Hi，将上一帧眼部图像Hi‑1和Hi输入到对抗网络中，得到预测的下一帧眼部图像Hi+1；将Hi+1输入到第一分割网络，得到预测的下一帧眼瞳的分割掩码Yi+1；将Hi和Yi输入到第二分割网络，得到当前帧的眼瞳分割掩码；重复上述步骤，直到处理完所有帧眼部图像。本发明通过设置对抗网络利用相邻两帧眼部图像的相关性预测下一帧眼部图像，从而得到预测的下一帧的眼瞳分割掩码的位置，可有效去除噪声影响。利用相邻前后两帧图像的相关性，只需对最开始的两帧图像进行标注，便可实现对眼瞳的自动跟踪，大大减少了标注数量。
一种视频定位跟踪方法装置

[发明专利]一种肺疾病检测模型的训练方法、装置、设备和介质-CN202110699479.2有效
发明人： 谭卫雄;刘柏韵;武江芬;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2021-06-23 - 公布日： 2022-03-22 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种肺疾病检测模型的训练方法、装置、设备和介质，训练方法包括：获取肺疾病训练集合；将训练样本中的阳性医学影像样本包和阴性医学影像样本包分别输入至特征提取机制，提取阳性医学影像样本包的第一特征和阴性医学影像样本包的第二特征，并基于第一特征和第二特征，计算第一损失值；针对每一个医学影像样本包，将样本包对应的特征输入至注意力机制，得到检测结果，并基于检测结果和样本包的标签对应的真实值，计算第二损失值；基于第一损失值和第二损失值，更新肺疾病检测模型的特征提取机制的第一参数和注意力机制的第二参数，得到训练好的肺疾病检测模型。
一种疾病检测模型训练方法装置设备介质

[发明专利]数据处理方法、装置、电子设备以及存储介质-CN202110844617.1在审
发明人： 谭卫雄;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2021-07-26 - 公布日： 2021-10-08 - 主分类号： G06T7/10 文献下载
摘要：本发明实施例公开了一种数据处理方法、装置、电子设备以及存储介质。该方法包括：获取待筛选的未标注数据，基于预先训练的分割模型提取所述未标注数据的数据特征和分割结果；基于所述特征数据对所述未标注数据进行不确定性判别，和/或，基于所述分割结果对所述未标注数据进行多样性判别；基于所述不确定性判别结果和/或多样性判别结果对各所述未标注数据进行筛选，确定目标数据，其中，所述目标数据用于进行数据标注后作为模型训练样本。通过本发明实施例公开的技术方案，实现了获取大量未标注的样本数据中具有代表性的样本数据，以减少标注人员的工作量，节约人工成本。
数据处理方法装置电子设备以及存储介质

[发明专利]一种检测装置、训练方法、训练装置、设备和介质-CN202110800911.2在审
发明人： 谭卫雄;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2021-07-15 - 公布日： 2021-09-17 - 主分类号： G06T7/00 文献下载
摘要：本申请提供了一种检测装置、训练方法、训练装置、设备和介质，所述装置包括：获取模块，用于获取目标肺部图像；第一提取模块，用于基于所述目标肺部图像，分别提取全肺特征、肺实质特征和肺气肿特征；第二提取模块，用于基于所述全肺特征、所述肺实质特征和所述肺气肿特征，确定关联特征；确定模块，用于将所述全肺特征、所述肺实质特征、所述肺气肿特征、所述关联特征叠加后得到的融合特征，输入至训练好的肺气肿等级确定模型，确定所述目标肺部图像所对应的肺气肿等级。本申请即考虑到了单个图像(分别是目标肺部图像、肺实质图像和肺气肿图像)的特征，又考虑到了不同图像之间的关联特征，提高了确定肺气肿等级的准确度。
一种检测装置训练方法设备介质

[发明专利]模型生成方法、医学图像分割方法、装置、设备及介质-CN202010197600.7有效
发明人：康清波;谭卫雄;张荣国;李新阳;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2020-03-19 - 公布日： 2021-08-27 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例公开了一种模型生成方法、医学图像分割方法、装置、设备及介质。该模型生成方法包括：获取样本胸部的样本图像、样本图像中已知肺部的肺部掩膜图像、以及肺部掩膜图像的形状先验知识；将样本图像、肺部掩膜图像和形状先验知识作为一组训练样本，基于多组训练样本对原始分割模型进行训练，生成肺部分割模型；其中，原始分割模型包括特征提取网络，以及与特征提取网络分别连接的图像分割网络和先验知识回归网络。本发明实施例的技术方案，解决了现有分割模型未将肺部区域的形状先验知识有效利用起来的问题，基于形状先验知识设置的先验知识回归网络，与已有的图像分割网络相互配合，提高了肺部分割模型与肺部区域分割的匹配程度。
模型生成方法医学图像分割装置设备介质

[发明专利]影像分类模型的训练方法及装置、存储介质和电子设备-CN202010987247.2在审
发明人： 谭卫雄;张荣国;李新阳;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2020-09-18 - 公布日： 2020-12-22 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种影像分类模型的训练方法及装置、存储介质和电子设备。该训练方法包括分别对整体影像和整体影像中的局部影像进行特征提取得到第一特征和第二特征，整体影像中除局部影像之外的区域具有病灶，局部影像包含由病灶引起的结构变异；融合第一特征和第二特征得到第三特征；对第三特征进行分类输出最终分类结果；根据最终分类结果训练影像分类模型，从而能够实现采用本发明实施例中的影像分类模型对整体影像中的难以定位或区分的病灶进行准确分类。
影像分类模型训练方法装置存储介质电子设备

[发明专利]注意力特征图获取方法及装置、目标检测的方法及装置-CN202010967846.8在审
发明人： 谭卫雄;张荣国;李新阳;王少康;陈宽 -专利权人：推想医疗科技股份有限公司
申请日： 2020-09-15 - 公布日： 2020-12-18 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种注意力特征图获取方法，其特征在于，包括：对特征图进行通道注意力操作，以获得通道注意力特征图；对所述特征图进行空间注意力操作，以获得空间注意力特征图；对所述通道注意力特征图与所述空间注意力特征图进行特征融合，获得注意力融合特征图；以及基于所述注意力融合特征图和所述特征图，获得注意力特征图。通过并行进行的通道注意力操作和空间注意力操作，以及通过对通道注意力特征图与空间注意力特征图进行特征融合，增强对图片在通道上提取特征的能力和在空间上提取特征的能力。并行运算既能同时结合通道注意力和空间注意力两种注意力性能，又能节省计算时间。
注意力特征获取方法装置目标检测

[发明专利]图像处理方法及装置-CN201911249442.9在审
发明人：王育坚;韩静园;李深圳;谭卫雄 -专利权人：北京联合大学
申请日： 2019-12-09 - 公布日： 2020-04-21 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种图像处理方法及装置，方法包括：构建改进的全卷积网络；所述改进的全卷积网络包括全卷积神经网络、第一SE模块、第二SE模块、第一上采样模块、第二上采样模块、第三上采样模块、第一特征融合模块和第二特征融合模块；对所述改进的全卷积网络进行训练；利用训练完成后的改进的全卷积网络处理目标图像。本申请的图像处理方法，通过对FCN网络中加入SE模块，通过挤压和激励自适应为例如图案和形状等特征分配权重，提升了FCN网络在图像处理方面的性能，降低了误检率和漏检率，在综合评价指标方面取得了较好的效果。
图像处理方法装置

[发明专利]一种基于SIFT和kNN的车牌识别方法及系统-CN201811488985.1在审
发明人：王育坚;李深圳;谭卫雄 -专利权人：北京联合大学
申请日： 2018-12-06 - 公布日： 2019-04-16 - 主分类号： G06K9/32 文献下载
摘要：本发明提供一种基于SIFT和kNN的车牌识别方法及系统，其中方法包括提取拍摄到的车牌图像，还包括以下步骤：基于SIFT进行车牌定位；基于SIFT和kNN进行字符识别。本发明提出了一种基于SIFT和kNN的车牌识别系统及方法，不仅能够实现准确的车牌定位及倾斜校正，而且对图像亮度、污损、倾斜、尺寸变化等具有良好的适应性和鲁棒性。并且能有效提高车牌识别的效率。
车牌识别车牌定位车牌识别系统车牌图像尺寸变化倾斜校正字符识别鲁棒性污损图像拍摄

1
2
下一页»
尾页
共 19 条