“杭州医策科技有限公司”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15个，建议您升级VIP下载更多相关专利

[发明专利]组织病理切片弱监督分类方法和装置-CN202310980606.5在审
发明人：王晓梅;胡荷萍 -专利权人： 杭州医策科技有限公司
申请日： 2023-08-04 - 公布日： 2023-10-17 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种组织病理切片弱监督分类方法和装置，包括：获取待分类组织切片；将所述待分类组织切片输入至预先训练的分类模型，以得到分类预测结果；其中，所述分类模型是基于深度神经网络，利用海量待分类组织切片样本进行训练得到的，所述分类模型包括阈值分割模块、特征拼接模块、位置矩阵模块和卷积分类模块。本发明利用感受野更大的深层网络作为基础，提取不同层次的信息并融合，以此为基础对待分类组织切片进行分类，能够在完整地观察整个切片结构的同时看清细胞形态，大大提升组织病理切片的分类效果。
组织病理切片监督分类方法装置

[发明专利]一种免疫荧光图像分析方法和装置-CN202310739039.4在审
发明人：王晓梅;蔡博君 -专利权人： 杭州医策科技有限公司
申请日： 2023-06-21 - 公布日： 2023-10-13 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种免疫荧光图像分析方法和装置，所述方法包括：获取目标患者在不同区域下的多个免疫荧光图像，将各所述免疫荧光图像输入卷积递归神经网络，以得到图像分析结果；其中，所述卷积递归神经网络包括预先训练的编码器和至少一个预先训练的解码器，所述编码器是利用ANA图像样本和对应的分类标签进行训练得到的，所述解码器是利用同一患者不同区域的荧光图像样本进行训练得到的。这样，该方案利用基于深度学习注意力机制的弱监督CRNN模型，CNN对同一患者各个采样区域提取特征图，将图像抽象成高维特征信息，所有的特征由RNN结合注意力机制进行归纳融合，能够提高图像分析的准确性，进而能够提供病例级别的ANA结论。
一种免疫荧光图像分析方法装置

[发明专利]一种打印状态判断方法及系统-CN202310506288.9在审
发明人：王晓梅;高风许;戴素剑;韩津 -专利权人： 杭州医策科技有限公司
申请日： 2023-05-06 - 公布日： 2023-08-22 - 主分类号： G06F3/12 文献下载
摘要：本发明提供一种打印状态判断方法及系统，包括：步骤S1，在当前连接的打印设备使用的驱动版本不存在对应的成功状态值时，获取打印设备执行打印一预定数量次数后反馈的状态值，形成一状态数据集合，并将状态数据集合中出现次数最多的状态值作为驱动版本对应的成功状态值；步骤S2，获取打印设备执行一打印指令后反馈的当前状态值，根据当前状态值与成功状态值判断当前打印是否打印成功。有益效果：本发明通过统计学的方式，将出现次数最多的状态值作为驱动版本对应的成功状态值，来指示打印设备是否打印成功，无需更换打印控件，在一定打印次数后即可实现精准获取打印成功的状态，且扩展性较强。
一种打印状态判断方法系统

[发明专利]一种数字病理图像加载方法和装置-CN202310670921.8有效
发明人：王晓梅;戴素剑 -专利权人： 杭州医策科技有限公司
申请日： 2023-06-08 - 公布日： 2023-08-11 - 主分类号： G16H30/20 文献下载
摘要：本发明涉及病理图像加载技术，公开了一种数字病理图像加载方法和装置，其包括对病理服务端中同一个目录下的文件构建数字图像文件树形数据结构T；通过输入端输入数字病理图像文件，并对病理图像文件进行编码；对于编码后的数字病理图像文件传送至中间存储端，并确定中间存储端数字病理图像文件的存储目录；通过DFA算法进行数字病理图像文件加载的判断，当加载了该数字病理图像文件则结束，否则病理服务端加载病理图像信息并返回至数字病理图像文件树形结构的更新。本发明设计的对数字病理图像的加载方法其实现了病理图像自动加载的功能，通过DFA进行加载图像的判断，对数字病理图像增量识别过程消耗服务器计算资源过少，且加载时间短。
一种数字病理图像加载方法装置

[发明专利]基于双模态CT的甲状旁腺术前定位方法和装置-CN202310655914.0有效
发明人：王晓梅;张耀;张仕侨 -专利权人： 杭州医策科技有限公司
申请日： 2023-06-05 - 公布日： 2023-08-11 - 主分类号： A61B6/00 文献下载
摘要：本发明涉及甲状旁腺术前定位技术，公开了基于双模态CT的甲状旁腺术前定位方法和装置，其包括甲状旁腺原始图像IMG原始的获取，甲状旁腺掩码图像IMG掩码的获取，甲状旁腺高斯热图IMG热图的获取，甲状旁腺术前定位模型的训练，损失函数L的计算，甲状旁腺模型IMG预测的预测，通过上述训练得到的3D语义分割模型对甲状旁腺原始图像IMG原始进行处理，获得甲状旁腺模型IMG预测的预测；不同的甲状旁腺图像IMG输出的输出。本发明基于平扫CT和增强CT双模态数据，利用3D语义分割算法，实现甲状旁腺的术前定位及可视化，辅助医生更好地识别甲状旁腺，预测结果以二维或三维图像展示有利于医生观察确认。
基于双模 ct 甲状旁腺定位方法装置

[发明专利]基于生成对抗网络的图像处理方法及装置-CN202310485914.0在审
发明人：王晓梅;蔡博君 -专利权人： 杭州医策科技有限公司
申请日： 2023-04-28 - 公布日： 2023-08-01 - 主分类号： G06V10/778 文献下载
摘要：本发明实施例公开了一种基于生成对抗网络的图像处理方法及装置，方法包括：获取待处理图像，将所述待处理图像输入预先训练的图像识别模型，即可得到增强图像；其中，所述图像识别模型是基于预先构建的生成对抗网络利用图像样本进行训练得到的，在所述生成对抗网络的训练过程中，根据当前迭代次数利用不同的优化策略对所述生成对抗网络的生成器参数和/或所述图像识别模型的参数进行更新。在利用该图像识别模型进行图像识别时，能够更符合深度学习训练的图像增强要求，具有很好的泛化性，解决了图像增强的泛化性较差的问题。
基于生成对抗网络图像处理方法装置

[发明专利]宫颈液基细胞图像的数据集生成、模型训练、图像识别系统-CN202310180591.4在审
发明人：王晓梅;章万韩;陈自强 -专利权人： 杭州医策科技有限公司
申请日： 2023-02-17 - 公布日： 2023-06-23 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及人工智能模型训练技术领域，具体涉及宫颈液基细胞图像的数据集生成系统、模型训练、图像识别系统，包括：采集模块，获取病理图像以及病理图像的诊断结果；分割模块，对病理图像中的病理区域进行分割得到多个图像块；标注模块，对图像块中的阳性细胞生成细胞标注；标签生成模块，添加对应于诊断结果的第一标签、对应于图像块和细胞标注的第二标签以生成标注图像，并将标注图像添加至数据集中。有益效果在于：通过获取诊断结果和细胞标注来分别对病理图像生成对应于图像整体的第一标签和对应于图像块中的细胞的第二标签，使得训练过程中能够同时根据第一标签和第二标签来调整模型，避免模型因为个别细胞的阳性结果对玻片整体赋予假阳性。
宫颈细胞图像数据生成模型训练识别系统

[外观设计]玻片架-CN202230824674.9有效
发明人：王晓梅;张仕侨;陈方兴;章万韩 -专利权人： 杭州医策科技有限公司
申请日： 2022-12-08 - 公布日： 2023-04-28 - 主分类号： 24-02 文献下载
摘要：1.本外观设计产品的名称：玻片架。2.本外观设计产品的用途：主要用于将病理玻片对齐的架子。3.本外观设计产品的设计要点：在于形状。4.最能表明设计要点的图片或照片：立体图。
玻片架

[发明专利]一种基于二维影像的三维CT影像病灶重建方法-CN202211619803.6在审
发明人：王晓梅;蔡博君;胡宏翔;张仕侨;章万韩 -专利权人： 杭州医策科技有限公司
申请日： 2022-12-15 - 公布日： 2023-04-25 - 主分类号： G06T17/00 文献下载
摘要：本发明涉及三维影像处理技术领域，具体涉及一种基于二维影像的三维CT影像病灶重建方法，包括：S1：分别获取对应于患者的病灶区域的二维CT影像和三维CT影像；三维CT影像为多个图像帧组成的图像序列，图像序列于中间位置的图像帧为X‑Y轴中央帧S2：自二维CT影像中分割得到病灶区域的病灶图像；S3：将病灶图像映射至X‑Y轴中央帧得到第一标注；S4：根据第一标注和三维CT影像构建对应于病灶区域的病灶模型。有益效果在于：通过选取X‑Y轴中央帧，并将二维CT影像中的病灶图像映射至X‑Y轴中央帧上，实现了对病灶图像的标注转移；随后，依照第一标注对图像序列进行处理，从而完成了对病灶区域的完整标注，以此来构建病灶模型，实现了较好的图像重建效果。
一种基于二维影像三维 ct 病灶重建方法

[发明专利]一种基于浏览器服务器架构的病理图片阅片方法-CN202211676235.3在审
发明人：王晓梅;石伟;朱逢亮;戴素剑;韩津 -专利权人： 杭州医策科技有限公司
申请日： 2022-12-26 - 公布日： 2023-04-07 - 主分类号： H04N21/2343 文献下载
摘要：本发明涉及图像处理技术领域，具体涉及一种基于浏览器服务器架构的病理图片阅片方法，包括步骤S1，从一浏览器前端向一服务端发布阅片请求，获得需要处理的病理图片；步骤S2，一病理阅片模块对需要处理的病理图片进行设定格式的处理，获得格式处理后的病理图片；步骤S3，根据阅片请求中的图片坐标参数，确定格式处理后的病理图片对应图片坐标参数的像素数据流；步骤S4，服务端将根据像素数据流获得的输出图像传输至浏览器前端进行输出显示。本发明统一不同厂家的图片类型，无需安装不同厂家的客户端，基于浏览器/服务器架构使用浏览器即可进行阅片，统一用户使用体验。
一种基于浏览器服务器架构病理图片方法

[发明专利]一种人工智能的辅助阅片方法及系统-CN202211625917.1在审
发明人：王晓梅;章万韩 -专利权人： 杭州医策科技有限公司
申请日： 2022-12-16 - 公布日： 2023-03-21 - 主分类号： G16H50/20 文献下载
摘要：本发明涉及人工智能辅助诊断技术领域，具体涉及一种人工智能的辅助阅片方法及系统，包括：S1：对待识别玻片采集数字病理图像；S2：对数字病理图像进行预识别以得到预识别评分；S3：判断预识别评分是否大于预设的评分阈值；若是，转向S4；若否，转向S5；S4：采用第一标注方法对数字病理图像进行标注随后转送至医生进行阅片；S5：采用第二标注方法对数字病理图像进行标注随后转送至医生进行阅片。有益效果在于：通过预识别评分来对当前的数字病理图像可能包含的阳性细胞的情况进行判断，并依照判断结果进一步选择相应的标注方式来告知医生，从而使得医生能够根据特定的标注方式来实现更为准确的阅片流程。
一种人工智能辅助方法系统

[发明专利]图像矫正模型的训练方法及切片图像的色彩矫正方法-CN202211161573.3在审
发明人：王晓梅;蔡博君 -专利权人： 杭州医策科技有限公司
申请日： 2022-09-23 - 公布日： 2022-10-25 - 主分类号： G06V10/24 文献下载
摘要：本发明涉及病理切片图像处理领域，具体涉及一种图像矫正模型的训练方法及切片图像的色彩矫正方法，包括：A1：构建图像矫正模型，包括生成器和判别器；A2：生成图像矫正模型的损失函数；A3：将切片图像输入生成器，根据切片图像生成目标图像，对目标图像评价生成第一评分；A4：根据目标图像生成重建图像，对重建图像评价以生成第二评分；并采用损失函数对图像损失进行量化；A5：调整生成器和判别器，随后返回A3，直至训练完成。有益效果在于：通过训练基于循环生成对抗网络生成的图像矫正模型，可直接将切片图像映射至染色归一化后的目标图像，避免了色彩空间转换时造成的图像丢失或映射不准确的问题，并通过调整损失函数实现了较好的训练效果。
图像矫正模型训练方法切片色彩

[发明专利]一种病理切片图像的标注转移方法及训练集生成方法-CN202210862189.X在审
发明人：章万韩;张仕侨;蔡博君;朱逢亮;黄米莲;王季勇;韩津;王晓梅 -专利权人： 杭州医策科技有限公司
申请日： 2022-07-20 - 公布日： 2022-10-18 - 主分类号： G06V10/75 文献下载
摘要：本发明涉及人工智能训练技术领域，具体涉及一种病理切片图像的标注转移方法，包括：S1：针对同一病理玻片分别获取第一扫描图像和第二扫描图像；S2：获取标注框的位置信息，根据位置信息和扫描参数对第二扫描图像进行扫描生成多幅待匹配图像；S3：对待匹配图像和图像块进行特征匹配，生成匹配图及匹配点；S4：获取标注框的一组对角点，于匹配图中获取对应的匹配角点组，并根据匹配角点组生成匹配框；S5：当所述匹配点在所述匹配框中时生成标注内容。本发明的有益效果在于：通过在转移标注的过程中生成匹配点，并通过转移对角点生成对角点组，实现了对匹配点的校验过程，有效避免了仅根据特征识别容易发生误匹配的问题，提高了标注转移的准确度。
一种病理切片图像标注转移方法训练生成

[发明专利]图像识别模型的生成方法及装置-CN202111302552.4有效
发明人：王晓梅;张仕侨;章万韩;蔡博君;朱逢亮;范晓华 -专利权人： 杭州医策科技有限公司
申请日： 2021-11-04 - 公布日： 2022-07-01 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种图像识别模型的生成方法及装置。其中，该方法包括：利用第一图像识别模型对第二训练数据集中未标注数据进行处理，以得到第二训练数据集中未标注数据的类别，并筛选得到第二训练数据集中未标注数据中类别为阳性的对象，并将其重置为阴性，以得到第三训练数据集；使用处理后的第三训练数据集训练得到第二图像识别模型。本发明解决了相关技术中采用的TCT玻片信息分析方式存在局限性，无法快速得到比较全面的信息的技术问题。
图像识别模型生成方法装置

[发明专利]基于深度学习的宫颈癌TCT切片排阴方法和系统-CN202110787267.X有效
发明人：王晓梅;范晓华;蔡博君;张仕侨;章万韩;朱逢亮 -专利权人： 杭州医策科技有限公司
申请日： 2021-07-13 - 公布日： 2021-11-23 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于深度学习的宫颈癌TCT切片排阴方法，包括如下步骤：对宫颈癌TCT图像进行切分预处理，将目标图像分切为若干具有部分重叠区域的图像块；使用目标检测模型对每个图像块进行检测并输出该图像块下的宫颈癌阳性目标检测框和对应的检测框置信度；设置检测框置信度阈值，基于所述检测框置信度阈值筛选保留检测框置信度大于所述检测框置信度阈值的检测框；使用排阴分类模型对保留的检测框中的检出目标图像进行检测，输出所有检出目标图像的阳性概率，并计算整体平均阳性概率；设置排阴概率阈值，若所述整体平均阳性概率小于等于预设排阴概率阈值则判定所述目标图像整体为阴性，否则判定为待人工排查图像，由医生进行人工查看。
基于深度学习宫颈癌 tct 切片方法系统

1
共 15 条