“包锐钻”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种肝肿瘤对齐方法、装置、电子设备及介质-CN202310157970.1在审
发明人：顾静军;卜佳俊;张微;丁元;包锐钻;周公敢;沈林华 -专利权人：浙江大学;杭州普健医疗科技有限公司
申请日： 2023-02-23 - 公布日： 2023-10-20 - 主分类号： G06T7/38 文献下载
摘要：本发明公开了一种肝肿瘤对齐方法、装置、电子设备及介质，包括对病灶CT数据进行肝肿瘤分割，得到病灶CT数据分割后的肝肿瘤标记数据；基于肝肿瘤标记数据，获取肝肿瘤的质心位置以及肝肿瘤的体积；将肝肿瘤的质心位置作为肝肿瘤的空间坐标，基于肝肿瘤的体积以及肝肿瘤的空间坐标得到待配准点云数据；利用迭代最近点算法对待配准点云数据进行不同期之间的肝肿瘤对齐。本发明具有好的抗噪性和鲁棒性，获得的分割肝肝肿瘤图像更加精准，本发明能有效地实现病灶增强三期的肝肿瘤自动配准，方便影像科医生去做动脉期、门脉期和延迟期CT的比较查看，进而实现更加精准的肝肿瘤识别和肝肿瘤类别的辨识。
一种肿瘤对齐方法装置电子设备介质

[发明专利]肝脏增强多期CT数据AI训练的数据对齐预处理方法-CN202310827251.6有效
发明人：顾静军;卜佳俊;张微;丁元;包锐钻;周公敢;沈林华 -专利权人：浙江大学;杭州普健医疗科技有限公司
申请日： 2023-07-07 - 公布日： 2023-09-22 - 主分类号： G06T7/38 文献下载
摘要：本申请提供一种肝脏增强多期CT数据AI训练的数据对齐预处理方法。所述方法包括：获取动脉期肝脏CT数据、门脉期肝脏CT数据、静脉期肝脏CT数据和延迟期肝脏CT数据；基于四期肝脏CT数据和所述四期肝脏CT数据的分组数，获取若干组动脉期CT切片数据、若干组门脉期CT切片数据、若干组静脉期CT切片数据和若干组延迟期CT切片数据；基于所述动脉期CT切片数据、所述门脉期CT切片数据、所述静脉期CT切片数据和所述延迟期CT切片数据的组合数据对人工智能医学检测模型进行训练，以获取训练好的人工智能医学检测模型。本申请所述肝脏增强多期CT数据AI训练的数据对齐预处理方法能够提升模型的训练效果，提高模型的精度。
肝脏增强 ct 数据 ai 训练对齐预处理方法

[发明专利]一种基于动态粗粒度剪枝的轻量级器官分割方法-CN202310352330.6在审
发明人： 包锐钻;卜佳俊;顾静军;侯华生;王旭敏 -专利权人：浙江大学
申请日： 2023-03-29 - 公布日： 2023-08-11 - 主分类号： G06T7/10 文献下载
摘要：本发明提供了一种基于动态粗粒度剪枝的轻量级器官分割方法，包括沿数据传输方向依序设置的切片嵌入模块、三个编码器卷积模块、动态剪枝模块、四个解码器卷积模块和分割头模块；向切片嵌入模块输入特征图；切片嵌入模块使特征图下采样到12；下采样到12的特征图，再依序经由三个编码器卷积模块进行处理，使特征图下采样到116；下采样到116的特征图经由动态剪枝模块处理后，再经四个解码器卷积模块进行上采样，使特征图恢复到原尺寸；恢复到原尺寸的特征图经由分割头模块进行处理后，输出掩膜预测结果。
一种基于动态粒度剪枝轻量级器官分割方法

[发明专利]训练方法、目标检测方法、介质及电子设备-CN202310320811.9在审
发明人：顾静军;卜佳俊;张微;丁元;包锐钻;王志华;周公敢;沈林华 -专利权人：浙江大学;杭州普健医疗科技有限公司
申请日： 2023-03-28 - 公布日： 2023-07-18 - 主分类号： G06V10/774 文献下载
摘要：本申请提供一种训练方法、目标检测方法、介质及电子设备。所述训练方法包括：获取医疗图像数据集和各所述医疗图像的实际包围盒标签；通过所述检测网络的骨干网络对各所述医疗图像进行处理，以获取各所述医疗图像的特征图金字塔；通过所述检测网络的对比头对各所述特征图金字塔中的特征图进行处理以获取各所述医疗图像的对比特征图，并根据各所述实际包围盒标签对各特征图进行处理，以获取各所述医疗图像的正负样本对比标签；根据各所述实际包围盒标签、各所述包围盒预测结果、检测损失函数、各所述正负样本对比标签、各所述对比特征图以及对比损失函数，对所述检测网络进行训练。所述训练方法能够提升病变检测模型的性能。
训练方法目标检测介质电子设备

[发明专利]一种基于符号距离的肝肿瘤分割方法及装置-CN202310269462.2在审
发明人： 包锐钻;卜佳俊;顾静军;王旭敏;王叶超 -专利权人：浙江大学
申请日： 2023-03-13 - 公布日： 2023-06-23 - 主分类号： G06T7/10 文献下载
摘要：本发明提供了一种基于符号距离的肝肿瘤分割方法及装置，该方法包括获取肝脏核磁共振图像数据，进行手动分割标注，获得训练集；将训练集输入至深度学习模型中，对训练集分别进行图像分割预测和符号距离预测，并根据ground truth计算损失函数对深度学习模型进行训练，得到肝肿瘤分割模型；将待分割的肝脏核磁共振图像数据输入所述肝肿瘤分割模型中，获得肝肿瘤分割的结果。本发明将符号距离应用在基于深度学习的分割模型中，让分割模型进行多任务学习，不仅通过常规的分割任务学习到逐像素的分类，也通过符号距离图回归任务学习到肝肿瘤本身的形状、位置等信息，两种任务互相补充和促进，显著提高了割模型的表现。
一种基于符号距离肿瘤分割方法装置