“病变 ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果20102个，建议您升级VIP下载更多相关专利

[发明专利]末梢神经病变或者伴随确认到末梢神经病变或星形胶质细胞病变的疾病的疼痛的预防或治疗方法-CN201980046043.4在审
发明人：石田勇人;石田裕一;M·乔瑟夫·帕伦堡;佐佐木淳 -专利权人：田边三菱制药株式会社
申请日： 2019-07-10 - 公布日： 2021-03-19 - 主分类号： A61K45/00 文献下载
摘要：本发明的课题在于提供一种新型的末梢神经病变的预防或治疗方法、以及由确认到末梢神经病变或星形胶质细胞病变的疾病导致的疼痛症状的预防或治疗方法。本发明提供一种末梢神经病变或者由确认到末梢神经病变或星形胶质细胞病变的疾病导致的疼痛症状的预防或治疗剂。
末梢神经病变或者伴随确认星形胶质细胞疾病疼痛预防治疗方法

[发明专利]一种确定脑病变投影位置的脑病变的投影仪-CN99107729.6无效
发明人：臧玉峰;朱新乐 -专利权人：臧玉峰
申请日： 1999-05-27 - 公布日： 2003-08-20 - 主分类号： A61B19/00 文献下载
摘要：本发明为一种确定脑病变投影位置的设备一脑病变投影仪。所述脑病变投影仪包括可以上下调节的滑轮、可调节轴A、大灯源、可调节轴B、可调节轴C、可调节轴D及小灯源。本发明的确定脑病变投影位置的脑病变投影仪科学合理，使用简单，能够方便、准确地确定脑病变投影位置。
一种确定病变投影位置投影仪

[发明专利]基于深度学习的消化道内壁病变类型智能识别方法及装置-CN201810716964.4在审
发明人：孙明健;张笑;刘海峰;屈亚威;马立勇;邹梦书;曲歌 -专利权人：哈尔滨工业大学（威海）
申请日： 2018-07-03 - 公布日： 2019-01-08 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供一种基于深度学习的消化道内壁病变类型智能识别方法及装置，该方法包括：将待识别消化道内壁图像输入至病变类型识别模型，输出待识别消化道内壁图像的病变类型识别信息，病变类型识别模型是基于样本消化道内壁图像及样本消化道内壁图像对应的病变类型识别结果进行训练后获得的本发明实施例通过将待识别消化道内壁图像输入至病变类型识别模型，输出病变类型识别信息。由于病变类型识别模型可以直接输出病变类型识别信息，从而相对于人眼识别提高了识别效率，并且，病变类型识别模型能够避免人眼识别中观察者识别能力对识别结果的影响，提高了识别精度。
病变类型消化道内壁图像样本图像输入智能识别输出人眼识别匹配学习观察

[发明专利]基于多任务辅助的上消化道病变区域确定方法及装置-CN202110930193.0在审
发明人：郑泽峰;唐穗谷;梁延研;于晓渊;余汉濠;徐义祥 -专利权人：澳门科技大学
申请日： 2021-08-13 - 公布日： 2021-12-03 - 主分类号： G06T7/00 文献下载
摘要：本申请适用于图像处理技术领域，提供了一种基于多任务辅助的上消化道病变区域确定方法及装置，所述上消化道病变区域确定方法包括：将待处理上消化道内窥镜图像输入至已训练的分类模型，得到待处理上消化道内窥镜图像的初始病变类别；使用检索模型对待处理上消化道内窥镜图像进行检索，从训练数据集中选取与待处理上消化道内窥镜图像具有相似特征的第一子数据集；根据第一子数据集中的内窥镜样本图像的病变类别和所述初始病变类别，确定待处理上消化道内窥镜图像的最终病变类别；若最终病变类别属于预设病变类别，则使用已训练的分割模型分割出待处理上消化道内窥镜图像中的病变区域上述方法可以更高效地确定出病变区域。
基于任务辅助消化道病变区域确定方法装置

[发明专利]医学影像阅片方法、电子设备和存储介质-CN202110795403.X在审
发明人：陈磊 -专利权人：上海联影智能医疗科技有限公司
申请日： 2021-07-14 - 公布日： 2021-10-08 - 主分类号： G06F3/01 文献下载
摘要：本发明公开了一种医学影像阅片方法、电子设备和存储介质，该方法包括：采集待处理医学影像；将待处理医学影像输入至病变区域识别模型，以输出待处理医学影像对应的病变区域信息；将待处理医学影像输入至病变描述模型，以输出待处理医学影像中与病变区域信息对应的病变描述信息；将病变区域信息和/或病变描述信息输入至影像报告生成模型，以输出待处理医学影像对应的医学影像报。本发明实现在输入待处理医学影像后直接自动输出对应的影像报告，报告中包含定量描述病变的病变区域图像和定性描述病变的文字信息，整个阅片过程全自动化，无需人为干预，大大地提高了对医学影像阅片效率以及准确性。
医学影像方法电子设备存储介质

[发明专利]病变检测人工智能流水线计算系统-CN202111267667.4在审
发明人： G·J·J·帕尔玛;P·L·E·费尔南德茨;P·杜弗特;T·宾德尔;A·斯泰克;D·莱瓦诺尼;王轶青;O·B·萨克希 -专利权人：国际商业机器公司
申请日： 2021-10-29 - 公布日： 2022-05-24 - 主分类号： G06T7/00 文献下载
摘要：本申请涉及病变检测人工智能流水线计算系统。提供了一种包括多个经训练的机器学习(ML)计算机模型的病变检测和分类人工智能(AI)流水线。如果是，则执行病变处理操作，包括：处理VOI以检测对应于感兴趣的解剖结构的病变的第二ML模型；执行与同一病变相关联的病变分割和病变轮廓的组合的第三ML模型；以及处理病变列表以分类病变的第四ML模型。AI流水线输出病变列表和分类用于下游计算系统处理。
病变检测人工智能流水线计算系统

[发明专利]一种肺动脉病变血管远近端压力比值定量计算方法-CN202211306608.8在审
发明人：何凡;郭婷婷;华潞;王新雨;宋武;曹剑;谭江山;胡崧;刘盛 -专利权人：北京建筑大学;中国医学科学院阜外医院
申请日： 2022-10-24 - 公布日： 2023-02-03 - 主分类号： A61B5/021 文献下载
摘要：本发明公开了一种肺动脉病变血管远近端压力比值定量计算方法，包括：获得肺动脉病变血管影像；将二维肺动脉病变血管影像三维重建，获得病变血管三维几何模型；利用有限元方法获得病变血管有限元模型；指定多孔介质区域与流体区域之间的交界面、肺动脉血管壁面与血液之间的流固耦合交界面；基于病变血管有限元模型进行血流流动数值模拟，获得病变血管任意部位的压力值；计算病变血管远端收缩期最大压力值与病变血管近端收缩期最大压力值的比值。本发明基于肺动脉病变血管影像即可实现，是一种无创测量方式，可辅助医生对需干预靶血管进行选择及对球囊扩张效果做出判断，适于推广。
一种肺动脉病变血管远近压力比值定量计算方法

[发明专利]病变检测模型的训练方法和装置、电子设备及存储介质-CN202310509465.9在审
发明人：刘江;胡衍;沈俊勇 -专利权人：南方科技大学
申请日： 2023-05-06 - 公布日： 2023-09-12 - 主分类号： G06V10/774 文献下载
摘要：本申请提供了一种病变检测模型的训练方法和装置、电子设备及存储介质，属于图像处理技术领域，通过获取第一医学图像和第二医学图像，第一医学图像无标签，第二医学图像具有标签，通过预设教师模型对第一医学图像进行病变检测，通过预设学生模型对第一医学图像进行病变检测，并通过预设学生模型对第二医学图像进行病变检测，根据病变检测结果进行损失计算得到目标损失数据，根据目标损失数据调整预设学生模型的第一网络参数，根据第一网络参数调整预设教师模型的第二网络参数，以训练预设学生模型，得到病变检测模型，通过病变检测模型对目标医学图像进行病变检测，得到目标病变位置和目标疾病类型，提高了病变检测的准确性。
病变检测模型训练方法装置电子设备存储介质

[发明专利]一种婴幼儿血管瘤病变区颜色的自动提取与量化方法-CN201810657544.3有效
发明人：蒲晓蓉;黄月瑶;吴筱;侯昉;邱航;陈雷霆 -专利权人：电子科技大学
申请日： 2018-06-22 - 公布日： 2022-03-18 - 主分类号： G06V10/56 文献下载
摘要：本发明公开了一种婴幼儿血管瘤病变区颜色的自动提取与量化方法，提取婴幼儿血管瘤图像中的病变部位，将病变部位标记为病变区域，剩余部位标记为皮肤区域；将所述病变区域和皮肤区域的颜色空间由RGB转换为CIELab；提取皮肤区域三个通道的色度值均值，得到皮肤区域色度值均值向量；提取病变区域三个颜色通道的色度值均值，得到病变区域色度值均值向量；利用所述皮肤区域色度值均值向量和病变区域色度值均值向量计算距离，所述距离包括欧氏距离、曼哈顿距离、切比雪夫距离、夹角余弦距离和相关距离；将所述距离输入SVM分类模型，输出分类结果，实现婴幼儿血管瘤病变区域颜色的自动量化；本发明实现了对婴幼儿血管瘤病变区颜色的自动提取与量化。
一种婴幼儿血管瘤病变颜色自动提取量化方法

[发明专利]一种内窥镜病变尺寸信息确定方法、电子设备及存储介质-CN202211332098.1有效
发明人：鲁瑶瑶;杨锦林;易智慧;曾煜 -专利权人：四川大学华西医院
申请日： 2022-10-28 - 公布日： 2023-06-23 - 主分类号： A61B1/04 文献下载
摘要：本发明提供了一种内窥镜病变尺寸信息确定方法、电子设备及存储介质，该方法包括：获取图像采集设备采集的目标图像；目标图像包括有病变部分以及背景部分，目标图像内包含标定圆在病变上的投影；获取目标图像中病变部分的轮廓信息；根据轮廓信息，得到病变部分对应的像素信息集G；确定目标图像的深度距离P；根据像素信息集G、深度距离P和标定比例系数Z，确定病变部分的尺寸信息S。本发明的内窥镜病变尺寸信息确定方法在实施时，无需将病变从病患的体内取出，只需通过获取摄像头至病变的深度距离和摄像头的标定比例系数，以及目标图像上的像素数量，即可确定病变的真实尺寸，不会对病患造成创伤，减轻了病患的诊断痛苦
一种内窥镜病变尺寸信息确定方法电子设备存储介质

[发明专利]图像处理方法、装置、电子设备及存储介质-CN202010589818.7有效
发明人：尚方信;杨叶辉;王磊;许言午 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-24 - 公布日： 2023-08-15 - 主分类号： G06T7/00 文献下载
摘要：具体实现方案为：获取待处理图像；根据待处理图像和分级网络模型，获得分级数组，分级网络模型为根据混合样本预先训练得到的模型，分级数组包含的元素个数为C‑1，C为病变等级个数，C个病变等级包括1个不存在病变的病变等级和C‑1个存在病变的病变等级，分级数组中第k个元素为待处理图像对应的病变等级大于或等于第k级病变等级的概率，1≤k≤C‑1，且k为整数；根据分级数组，确定待处理图像对应的病变等级。以在有限的训练样本量下，实现分级网络模型对医学图像对应病变等级的准确判断。
图像处理方法装置电子设备存储介质

[发明专利]基于样本生成和迁移学习的肝脏CT图像多病变分类方法-CN202011159865.4有效
发明人：缑水平;曹思颖;周海彬;杨玉林;刘豪锋;续溢男;骆安琳 -专利权人：西安电子科技大学
申请日： 2020-10-27 - 公布日： 2023-04-18 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于样本生成和迁移学习的肝脏CT图像多病变分类方法，主要解决现有方法对肝脏多种病变检测性能不高的问题。其实现方案为：划分数据集；分别构建肝脏器官分割网络和肝脏病变检测网络；基于深度卷积生成式对抗网络，构建肝囊肿样本生成网络和肝血管瘤样本生成网络，分别生成新的肝囊肿和肝血管瘤样本；构建肝脏病变分类网络；对待检测的肝脏CT图像先使用肝脏器官分割网络进行器官分割，再使用肝脏病变检测网络对分割结果进行病变检测，最后使用肝脏病变分类网络对检测到的病变进行分类。本发明缓解了不同类别样本量的不平衡，提高了病变分类性能，可用于对肝脏CT影像中存在的肝癌、肝囊肿、肝血管瘤多种病变的定位和定性。
基于样本生成迁移学习肝脏 ct 图像多病分类方法

[发明专利]一种皮肤病变图像分类方法-CN202110911205.5有效
发明人：王玉峰;万承北 -专利权人：南京邮电大学
申请日： 2021-08-10 - 公布日： 2023-10-13 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种皮肤病变图像分类方法，其包括：对待分类皮肤病变图像进行中心裁剪，获得第一图像块；利用神经网络模型中的上分支网络对第一图像块进行特征提取，获得第一特征向量；根据第一特征向量获得病变区域坐标；根据病变区域坐标裁剪第一图像块，获得第二图像块；利用神经网络模型中的下分支网络对第二图像块进行特征提取，获得第二特征向量；对第一特征向量和第二特征向量进行特征融合，获得皮肤病变类别预测概率，并根据皮肤病变类别预测概率获得待分类皮肤病变图像的皮肤病变类别本发明方法能够快速、客观、准确的判断皮肤病变图像的皮肤病变类别。
一种皮肤病变图像分类方法

[发明专利]包含杨树芽提取物的组合物及其用途-CN201780027904.5在审
发明人：瓦伦蒂诺·梅尔卡蒂;路易沙·麦铎力;安娜·麦德赤;安德里亚·卢利 -专利权人：阿波卡-阿格里科拉共同股份公司
申请日： 2017-05-22 - 公布日： 2019-01-04 - 主分类号： A61K36/76 文献下载
摘要：本发明涉及包含杨树芽提取物的组合物，其用于在治疗口咽腔病变、泌尿器病变、消化/排泄器官病变、皮肤病变和细菌感染中使用。
杨树芽提取物病变排泄器官皮肤病变细菌感染泌尿器治疗口咽腔消化

[发明专利]一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法-CN201811468408.6在审
发明人：孙殿珉;张跃忠;成金玲 -专利权人：山东省肿瘤防治研究院（山东省肿瘤医院）
申请日： 2018-12-03 - 公布日： 2019-05-17 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种用于区域生长肺肿瘤放疗靶区勾画半自动分割方法，具体包括如下步骤：S1，病变自动初始种子点选择，通过该步骤从包含病变的肺实质的梯度图像中获得病变种子点，通过计算来获得肺实质的CT图像梯度最小值；S2，最终病变位置细化，通过确定更准确的病变边界定义来将最终病变位置细化。利用本发明中的方法可以自动实现稳健、高效和准确的肺部病变分割。
病变放疗病变位置区域生长肺肿瘤靶区细化分割勾画初始种子点边界定义肺部病变梯度图像自动实现种子点