“心动”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2747个，建议您升级VIP下载更多相关专利

[发明专利]时间心脏图像的卷积深度学习分析-CN201880047479.0有效
发明人： A·西泰克 -专利权人：皇家飞利浦有限公司
申请日： 2018-05-14 - 公布日： 2023-08-11 - 主分类号： G06T7/00 文献下载
摘要：一种卷积神经心脏诊断系统(300)采用用于控制超声心动图的诊断的超声心动图诊断控制器(330)，所述超声心动图包括超声心动周期的时间序列的周期性地叠加。所述超声心动图诊断控制器(330)包括诊断周期体积生成器(331)，所述诊断周期体积生成器生成包括超声心动图周期的时间序列的周期性叠加的超声心动图诊断体积，并且还包括基于对所述超声心动图诊断体积的卷积神经分析来将超声心动图分类为正常超声心动图或异常超声心动图的诊断卷积神经网络所述诊断周期体积生成器(331)可以还生成包括心电波的时间序列的周期性堆叠的心电图诊断体积，并且所述卷积神经网络(333)可以基于对超声心动图诊断量和心电图诊断量的卷积神经分析来将超声心动图分类为正常超声心动图或异常超声心动图
时间心脏图像卷积深度学习分析

[发明专利]一种超声心动图质量评价方法、系统及终端设备-CN202210991916.2在审
发明人：郑韶欣;吕函璐;陈静静;赵仲明;赖嘉旸;刘雅彤;郝少云;郑俊猛 -专利权人：广州市康源图像智能研究院
申请日： 2022-08-17 - 公布日： 2022-11-15 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种超声心动图质量评价方法、系统及终端设备，方法包括构建超声心动图质量评价网络模型，采集待检测的超声心动图，将待检测的超声心动图输入至超声心动图质量评价网络模型中，超声心动图质量评价网络模型输出若干个超声心动图质控数据，对所述若干个超声心动图质控数据进行加权计算，得到超声心动图的质量评估得分；通过构建超声心动图质量评价网络模型对超声心动图进行质量评估，并通过对所述若干个超声心动图质控数据进行加权计算，能够增加质量评估的客观性和效率
一种超声心动质量评价方法系统终端设备

[发明专利]一种图像识别方法、装置以及存储介质-CN201811456731.1在审
发明人：陈思宏 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-11-30 - 公布日： 2019-04-16 - 主分类号： A61B8/02 文献下载
摘要：本申请实施例公开了一种图像识别方法、装置以及存储介质，其中，本申请实施例获取心脏的超声心动图像、以及心动周期区域参考尺寸信息，根据心动周期检测网络模型和心动周期区域参考尺寸信息，对超声心动图像进行心动周期检测，得到若干心动周期区域的区域信息，从若干心动周期区域的区域位置信息中，确定目标区域位置信息，根据目标区域位置信息从超声心动图像中提取待检测的心动周期区域图像，采用定位点检测网络模型对心动周期区域图像进行心室壁内外层定位点检测
心动周期超声心动图像图像识别定位点检测参考尺寸信息目标区域位置存储介质网络模型内外层心室壁区域位置信息区域图像区域信息周期区域准确率申请图像心脏

[发明专利]用于将研究结果映射到相关超声心动图循环的系统-CN201680057470.9在审
发明人： M·塞芬斯特 -专利权人：皇家飞利浦有限公司
申请日： 2016-10-03 - 公布日： 2018-06-08 - 主分类号： G16H30/00 文献下载
摘要：超声心动图报告使用标准超声心动图研究结果(20)和标准超声心动图研究结果相关超声心动图视图查找表(22)。一种超声心动图报告工作站(10)包括显示部件(12)和至少一个用户输入部件(14、16、18)，并且执行超声心动图检查报告方法，所述超声心动图检查报告方法包括：与用户进行接口连接，以使得所述用户能够录入关于心脏受试者的当前超声心动图检查的当前报告(30)；在所述当前报告中检测针对标准超声心动图研究结果的当前研究结果值；并且在关于所述心脏受试者的先前超声心动图检查的先前报告(36)中检测针对所述超声心动图研究结果的先前研究结果值。如果所述当前研究结果值与所述先前研究结果值之间的变化满足显著性标准(44)，则相关的变化面板(52)针对与所述超声心动图研究结果相关的相关超声心动图视图同时显示当前超声心动图循环和先前超声心动图循环。
超声心动图超声心动图检查研究用户输入部件心脏接口连接显示部件查找表显著性检测映射录入工作站

[发明专利]一种基于深度学习的超声心动图视图识别方法及系统-CN202111049989.1在审
发明人：刘治;曹艳坤;杨美君 -专利权人：山东大学
申请日： 2021-09-08 - 公布日： 2021-12-07 - 主分类号： G06K9/62 文献下载
摘要：本发明属于医学图像识别技术领域，提供了一种基于深度学习的超声心动图视图识别方法及系统。其中，该方法包括获取超声心动图视图；将超声心动图视图输入至训练完成的超声心动图视图识别模型中，得到超声心动图视图类别识别结果；其中，所述超声心动图视图识别模型由StyleGAN与DenseNet101网络构成；所述StyleGAN仅应用在训练过程中，用于补充超声心动图视图训练数据；所述DenseNet101用于提取超声心动图视图特征，识别超声心动图视图类别。
一种基于深度学习超声心动视图识别方法系统

[发明专利]图像重建方法和装置-CN202210035184.X在审
发明人：赵喜 -专利权人：西门子数字医疗科技（上海）有限公司
申请日： 2022-01-13 - 公布日： 2022-04-15 - 主分类号： G06T11/00 文献下载
摘要：该方法包括：发起在包括多个心动周期的第一时间内，对被测组织沿着第一方向从第一端扫描到第二端，以获得对应于多个心动周期的多个数据集；对于多个心动周期中的每一个心动周期，基于多个数据集中对应的数据集，获得在该心动周期内所扫描的所述被测组织的部分区域在该心动周期内的轨迹集合；对于多个心动周期中的任意两个相邻的心动周期，基于该两个相邻的心动周期对应的两个轨迹集合，获得该两个相邻的心动周期中的每一个心动周期内的匹配时间点；以及基于多个心动周期中每一个心动周期内的匹配时间点，获得被测组织的从第一端到第二端的被测组织重建图像
图像重建方法装置

[发明专利]一种中心动脉收缩期平均归一化血流波形模型及基于其获取主动脉脉搏波传递时间的方法-CN201510283599.9有效
发明人：叶骏;张永亮;杨剑;胡福松;何子军;吴庆园;吴漳洋;马祖长;孙怡宁 -专利权人：中国科学院合肥物质科学研究院
申请日： 2015-05-28 - 公布日： 2017-08-11 - 主分类号： A61B5/026 文献下载
摘要：本发明提供了一种中心动脉收缩期平均归一化血流波形模型及基于其获取主动脉脉搏波传递时间的方法，其特征在于构建中心动脉收缩期平均归一化血流波形模型，根据该模型获得被测对象的中心动脉压力波形和中心动脉血流波形；对中心动脉压力波形和中心动脉血流波形进行傅里叶分析计算特征阻抗，然后计算主动脉脉搏波传递时间aoPTT。本发明无需借助血流检测仪器就能获取中心动脉血流波形，使得中心动脉血流波形获取方法更加简便、安全；本发明获取的中心动脉血流波形更接近人体实际的中心动脉血流波形，提高了aoPTT计算和aoPWV测量的准确性
一种中心动脉收缩平均归一化血流波形模型基于获取主动脉脉搏传递时间方法

[发明专利]用于分析超声心动图的方法和装置-CN201880078066.9在审
发明人： M·塞芬斯特;A·西泰克 -专利权人：皇家飞利浦有限公司
申请日： 2018-11-02 - 公布日： 2020-07-24 - 主分类号： G16H10/60 文献下载
摘要：提供了一种用于分析超声心动图的计算机实施的方法，所述方法包括：从数据库(200)获得(302)针对多个对象的相继的超声心动图的多个对，每幅超声心动图具有所述超声心动图的内容的相关联的指示；分析(304)相继的超声心动图的每个对以确定相关联的类别，所述类别指示所述对中的所述相继的超声心动图之间存在变化还是不存在变化；针对相继的超声心动图的每个对，通过对所述对中的所述超声心动图执行一次或多次卷积和/或归约来确定(306)每幅超声心动图的抽象表示，所述抽象表示包括指示所述对的所述类别的一个或多个特征；并且训练(308)预测模型以基于针对相继的超声心动图的所述多个对的所述抽象表示来确定针对超声心动图的新的对的类别
用于分析超声心动方法装置

[发明专利]启用AI的回声确认工作流程环境-CN202080022954.6在审
发明人： M·塞文斯特 -专利权人：皇家飞利浦有限公司
申请日： 2020-03-18 - 公布日： 2021-11-26 - 主分类号： G16H30/20 文献下载
摘要：在超声心动图分析方法中，针对包括超声心动图循环集的超声心动图的诊断代码被接收或生成。多个不同的子集从超声心动图中被选择。每个子集由所述超声心动图循环集中的一个或多个超声心动图循环组成。对于每个子集，指示该子集与诊断代码的相关性的置信得分是使用对子集进行操作的人工智能(AI)引擎来确定的，其中该AI引擎在利用诊断代码而被标记的历史超声心动图上进行训练。相关的超声心动图循环组基于针对相应子集的、指示该相应子集与诊断代码的相关性的所确定的置信得分而被标识。超声心动图读取用户界面被呈现，包括显示与相关的超声心动图循环组的超声心动图循环相关联的诊断代码。
启用 ai 回声确认工作流程环境

[发明专利]一种心冲击图信号定位方法-CN202310273416.X在审
发明人：张涵;招松;蔡冬丽;卢洋 -专利权人：华南师范大学
申请日： 2023-03-20 - 公布日： 2023-07-04 - 主分类号： A61B5/11 文献下载
摘要：本申请提供一种心冲击图信号定位方法，包括：获取目标对象的心冲击图信号；将心冲击图信号输入预训练的目标检测模型，得到心冲击图信号的多个心动周期预测区域和各个心动周期预测区域对应的预测概率；其中，目标检测模型用于检测心冲击图信号的心动周期预测区域和对应的预测概率；将预测概率最高的心动周期预测区域确定为初始的心动周期模板；根据心动周期模板的信号形态距离曲线和多个心动周期预测区域，定位心冲击图信号的心动周期预测信号和心动周期预测信号的J峰位置。
一种冲击信号定位方法

[发明专利]基于深度学习算法的超声心动图多模态多切面分类方法-CN202310733977.3在审
发明人：张丽;朱业;谢明星;张紫桑;张易薇;吴纯;刘曼薇;章子铭;朱双双;肖苏珊;许春燕;张珺敏;陈雯雯;祖白热·牙生 -专利权人：华中科技大学同济医学院附属协和医院
申请日： 2023-06-20 - 公布日： 2023-09-05 - 主分类号： G06V10/80 文献下载
摘要：本发明提供了一种基于深度学习算法的超声心动图多模态多切面分类方法，包括：采集成人超声心动图视频及图像，对其进行预处理，对预处理后的成人超声心动图视频及图像进行标注，生成成人超声心动图数据集，将成人超声心动图数据集划分为训练集基于ResNet网络构建成人超声心动图切面分类模型，并通过训练集对其进行训练，通过验证集筛选最佳分类模型，基于测试集，对最佳成人超声心动图切面分类模型进行性能评估，将待测图像或视频输入成人超声心动图切面分类模型中本发明提供的基于深度学习算法的超声心动图多模态多切面分类方法，能够实现超声心动图多模态多切面的自动分类，分类精度高，省时省力。
基于深度学习算法超声心动图多模态多切面分类方法

[发明专利]基于正规方程的高效机器学习算法、装置及可读存储介质-CN202010213976.2在审
发明人：易海博;聂哲 -专利权人：深圳职业技术学院
申请日： 2020-03-24 - 公布日： 2020-07-10 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种基于正规方程的高效机器学习算法、装置及可读存储介质，所述方法包括：对当前心动矩阵进行转置运算，以得到心动转置矩阵，并将所述当前心动矩阵与所述心动转置矩阵进行相乘以得到第一心动矩阵；对所述第一心动矩阵进行求逆以得到第一逆矩阵，将所述第一逆矩阵与所述心动转置矩阵进行相乘以得到第二心动矩阵；根据所述第二心动矩阵以及标签集通过向量乘法计算得到权重向量，根据所述权重向量构建机器学习算法模型并计算机器运算。
基于正规方程高效机器学习算法装置可读存储介质

[发明专利]在超声心动图上确定心脏内膜边界的方法-CN202110637593.2在审
发明人：甘建红;尹立雪;李炜;常传礼 -专利权人：成都汇声科技有限公司
申请日： 2021-06-08 - 公布日： 2022-08-09 - 主分类号： G06T7/181 文献下载
摘要：本发明提供了一种在超声心动图上确定心脏内膜边界的方法，该方法首先读入M型超声心动图原图，然后从超声心动图上设置虚拟中心线，并从中心线处分为上下两半部分，分别为具有二尖瓣图像和左室隔内膜图像的超声心动图上图；并通过对超声心动图上图进行处理，获得左室隔膜边界。以及具有左室后壁内膜边界的超声心动图下图。对超声心动图下图进行处理，获得左室后壁内膜边界。本发明提供的超声心动图上确定心脏内膜边界的方法，能够在具有二尖瓣图像的超声心动图上，准确找到心脏内膜边界，为了计算机自动计算心脏左室射血分数提供了依据。
超声心动确定心脏内膜边界方法

[发明专利]用于呈现跳动心脏的运动模型的系统和方法-CN201580018565.5有效
发明人： E·S·奥尔森 -专利权人：圣犹达医疗用品心脏病学部门有限公司
申请日： 2015-04-29 - 公布日： 2019-03-15 - 主分类号： A61B5/11 文献下载
摘要：可接收在心动周期期间与心脏壁运动相关联的位置数据。可将心动周期划分成递增阶段。与心脏壁运动相关联的位置数据可分配给递增阶段。基准对坐标可被确定用于递增阶段中的每一个递增阶段。基准对坐标可包括用于中间心动阶段的位置数据和用于参考心动阶段的位置数据。基准环路可从用于递增阶段中的每一个递增阶段的基准对坐标确定。可使用基准环路确定在参考心动阶段和中间心动阶段之间的已学习心动标测。
用于呈现跳动心脏运动模型系统方法

[发明专利]诊断心血管紊乱的系统与方法-CN200710195743.9有效
发明人：尹赞铉;韩昌熙;韩荣柱;金昞振;金镇湖;沈垠辅 -专利权人：韩国情报通信大学校产学协力团
申请日： 2007-12-14 - 公布日： 2008-12-24 - 主分类号： A61B5/00 文献下载
摘要：客户通过发送作为医疗对象的人体的真实电心动描记治疗数据和磁心动描记治疗数据，以及虚拟心脏仿真参数给一个医疗服务服务器，进行高性能诊断请求。所述医疗服务服务器，响应该诊断请求，分析真实电心动描记治疗数据以产生一个电心动描记分析结果，利用仿真参数执行虚拟心脏仿真以产生伪心电图和伪磁心动图。此外，这个医学服务服务器基于电心动描记分析结果、磁心动描记治疗数据和伪心电图、伪磁心动图，确定人体的疾病状态；然后通过比较真实磁心动描记治疗数据、电心动描记分析结果、疾病状态和诊断标准，产生一个最终诊断数据
诊断心血管紊乱系统方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 2747 条