“林黄靖”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17个，建议您升级VIP下载更多相关专利

[发明专利]胸部正片异常部位检测方法及装置-CN202211697969.X在审
发明人： 林黄靖;肖永杰;王春永 -专利权人：深圳视见医疗科技有限公司
申请日： 2022-12-28 - 公布日： 2023-06-06 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供了一种胸部正片异常部位检测方法、装置、终端设备和可读存储介质，通过获取待识别图像；将待识别图像输入到预先建立的胸部正位片筛查模型，确定待识别图像为胸部图像；将胸部图像输入到预先建立的阴阳性筛查模型中，识别出胸部图像中的异常图像；将异常图像输入到预先建立的定位模型中，确定异常图像中的异常部位，通过一个基于深度卷积神经网络的二分类模型，迅速筛查出阳性片，达到快速排阴的效果，然后再通过另一个基于深度卷积神经网络的检测模型，准确的定位阳性片中的病灶区域并预测其属于哪种疾病，从而更有效的给医生提供可解释性的参考意见，这样就能更大的提高医生的工作效率并减少医生的工作量。
胸部正片异常部位检测方法装置

[发明专利]不同片源的域适应的处理方法及装置-CN202210192962.6在审
发明人： 林黄靖;胡羽;张宏伟 -专利权人：深圳视见医疗科技有限公司
申请日： 2022-03-01 - 公布日： 2022-07-15 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供了一种不同片源的域适应的处理方法及装置，所述方法包括：获取不同源的病理图像；将不同源的病理图像输入到预先训练好的检测模型，确定病理图像中的异常细胞；其中，检测模型至少包括特征提取模块、压缩与激励网络模块、格拉姆矩阵、对抗网络模块和分类器，且采用样本病理图像对深度神经网络进行训练得到的，样本病理图像至少包括片源、染色方式、制片方式以及扫描方式中的一种或多种。这样，若获取到的病理图像是多片源，输入到检测模型中，保证与使用单一片源的模型有着同等级别的表现水平，并且可以减轻在从未参与过训练的片源上的域适应问题。
不同片源适应处理方法装置

[发明专利]肋骨骨折检测方法、装置、终端设备及可读存储介质-CN202210192954.1在审
发明人： 林黄靖;肖永杰;张宏伟 -专利权人：深圳视见医疗科技有限公司
申请日： 2022-03-01 - 公布日： 2022-07-15 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供了一种肋骨骨折检测方法及装置，所述方法包括：获取待检测的胸部图像，其中，胸部图像为直接数字化X射线影像；将待检测的胸部图像输入到预先训练好的肋骨骨折检测模型，确定肋骨检测结果；其中，肋骨骨折检测模型通过采用多个角度的胸部图像对初始神经网络模型训练得到的；根据肋骨检测结果，判断胸部图像中的肋骨骨折位置或胸部图像中没有骨折的肋骨，本发明实施例可以获取不同角度的胸部图像，分别单独检测不同角度的胸部图像中是否存在肋骨骨折，然后综合几个拍摄角度的胸部图像确定是否存在骨折现象，这样，可以提高识别效率。
肋骨骨折检测方法装置终端设备可读存储介质

[发明专利]异常细胞检测方法、装置、终端设备及可读存储介质-CN202210192953.7在审
发明人： 林黄靖;柴志忠;张宏伟 -专利权人：深圳视见医疗科技有限公司
申请日： 2022-03-01 - 公布日： 2022-07-12 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供了一种异常细胞检测方法及装置，所述方法包括：获取宫颈细胞病理图像；将所述宫颈细胞病理图像输入到预先训练好的异常细胞检测模型，确定所述宫颈细胞病理图像中的异常细胞的位置和异常细胞的种类；其中，所述异常细胞检测模型至少包括基于度量学习的半监督算法，采用少量标注数据训练得到的，用于对所述宫颈细胞病理图像中的异常细胞进行定位和确定异常细胞的种类，利用少量标注数据以及大量无标注数据，训练异常细胞检测模型，并采用异常细胞检测模型对宫颈细胞病理图像中的异常细胞或细胞团进行自动定位识别和并给出相应的类别。
异常细胞检测方法装置终端设备可读存储介质

[发明专利]一种图像分割方法、装置、终端设备及可读存储介质-CN202210192956.0在审
发明人： 林黄靖;李雁雯;张宏伟 -专利权人：深圳视见医疗科技有限公司
申请日： 2022-03-01 - 公布日： 2022-07-12 - 主分类号： G06T3/40 文献下载
摘要：本发明实施例提供了一种图像分割方法及装置，所述方法包括：获取待分割的第一图像；第一图像为第一分辨率，且第一图像中包括目标物体；将第一图像输入到预先训练好的双路超分辨分割结构模型，得到第二分辨率的预测图像和第二分辨率的目标物体的分割掩膜；第二分辨率大于第一分辨率，根据第二分辨率的预测图像和第二分辨率的目标物体的分割掩膜，确定与目标物体对应的第二分辨率的目标图像，通过本发明实施例提供的双路超分辨分割结构模型，能够借鉴图像超分辨的思想较大程度上改善微小结节在低分辨率CT图像中的分割效果，生成高分辨率的图像，实现不同尺度的目标物体的精确分割。
一种图像分割方法装置终端设备可读存储介质

[发明专利]脊柱侧弯检测方法、装置、终端设备及可读存储介质-CN202210192957.5在审
发明人： 林黄靖;肖永杰;张宏伟 -专利权人：深圳视见医疗科技有限公司
申请日： 2022-03-01 - 公布日： 2022-07-12 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供了一种脊柱侧弯检测方法及装置，该方法包括：获取待检测的胸部图像；对待检测的胸部图像进行预处理，得到待分割数据图像；将待分割数据图像输入到预先建立的脊柱分割模型中，对待分割数据图像中的脊柱进行语义分割，得到脊柱语义分割掩码；其中预先建立的脊柱分割模型为具有周期残差式微调高低语义信息结构的全卷积神经网络；根据脊柱语义分割掩码，判断待检测的胸部图像中的脊柱侧弯和计算侧弯科布角，这样，可以快速筛查脊柱侧弯，并将脊柱的区域精确勾勒出来，提高了检测效率。
脊柱检测方法装置终端设备可读存储介质

[发明专利]一种图像分割方法、装置、终端设备及可读存储介质-CN202210192963.0在审
发明人： 林黄靖;李雁雯;张宏伟 -专利权人：深圳视见医疗科技有限公司
申请日： 2022-03-01 - 公布日： 2022-07-12 - 主分类号： G06T7/11 文献下载
摘要：本发明实施例提供了一种图像分割方法及装置，该方法包括：获取待分割的第一图像；对第一图像进行处理，得到第二图像；将第二图像输入到预先训练好的双路一致性学习网络模型，得到目标分割特征信息；其中，双路一致性学习网络模型是在图像层面和特征层面分别对无标注图像进行一致性学习训练得到的；根据目标分割特征信息对第一图像进行分割，采用双路一致性半监督学习方法，能够大量减少全监督算法标注时需要的巨大工作量和工作难度，并且能够在短时间内就对数据进行较大扩增，同时，可以对图像上的病灶进行分割，提高分割的准确性。
一种图像分割方法装置终端设备可读存储介质

[发明专利]一种多模态医学数据的智能模型开发方法及系统-CN202111419745.8在审
发明人： 林黄靖;肖永杰;张新田;王春永;张宏伟 -专利权人：深圳视见医疗科技有限公司
申请日： 2021-11-26 - 公布日： 2022-03-25 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种多模态医学数据的智能模型开发方法及系统，包括：获取医学图像数据，根据医学图像数据的格式，对医学图像数据进行读取操作；获取用户对读取后的初始医学图像的数据标注结果，生成标注图像数据；根据标注图像数据，匹配初始算法模型；对标注图像数据进行预处理，生成特定格式的目标图像数据；根据目标图像数据对匹配到的初始算法模型进行训练及测试后生成目标算法模型；获取待处理的医学图像数据输入目标算法模型后，生成预测结果。本发明不仅支持常用的png和jpg格式，还支持其他常用的医学图像格式，利用标注的数据和信息，自动匹配和选择相应的算法模型，且自动完成算法模型的训练和测试，还可实现新图像数据的预测。
一种多模态医学数据智能模型开发方法系统

[发明专利]一种载玻片-CN202110683758.X在审
发明人： 林黄靖;胡羽;周南江;王春永 -专利权人：深圳视见医疗科技有限公司
申请日： 2021-06-21 - 公布日： 2021-10-29 - 主分类号： G02B21/34 文献下载
摘要：本发明实施例公开了一种载玻片，包括：本体，设有透明区和非透明区，其中，非透明区的表面涂设涂料，非透明区包括防伪信息区，防伪信息区包括第一信息区和第二信息区，第一信息区设有用于表征载玻片的身份的二维码，第二信息区设有用于表征载玻片的身份的编号信息；二维码包括加密编码和明码，加密编码与明码均唯一，且加密编码与明码一一对应，编号信息与明码的内容一致。本发明的二维码包括加密码和明码，明码和加密编码通过对应关系实现防伪功能，使载玻片同时具有追溯信息、防伪信息，加密码和明码不仅唯一，且一一对应，故不需要在配套软件中记录对应ID，即可帮助配套软件节省数据库所占空间。
一种载玻片

[发明专利]图像处理方法、装置、设备及可读存储介质-CN201810695269.4有效
发明人： 林黄靖;窦琪;陈浩 -专利权人：深圳视见医疗科技有限公司
申请日： 2018-06-28 - 公布日： 2021-08-17 - 主分类号： G16H30/20 文献下载
摘要：本发明公开了一种图像处理方法、装置、设备及可读存储介质。所述图像处理方法包括：接收待处理图像，对所述待处理图像进行区域划分处理，得到各个感兴趣区域；调用预存的全卷积网络结构模型对所述各个感兴趣区域进行检测，得到各个概率图像片段，其中，所述预存的全卷积网络结构模型包括以相等价的卷积层取代线性回归层的全卷积结构，且所述预存的全卷积网络结构模型移除了全卷积结构中的空白填充操作层以及上采样层；对所述各个概率图像片段进行合成处理，得到目标概率图像。本发明解决现有病理图像进行高密度预测过程计算冗余度高，造成病理图像的处理效率低的技术问题。
图像处理方法装置设备可读存储介质

[发明专利]识别甲状腺肿瘤病理图像中病变类型及基因突变的方法-CN202110034353.3在审
发明人：梁智勇;陈浩;张卉;胡羽;吴焕文;林黄靖 -专利权人：中国医学科学院北京协和医院
申请日： 2021-01-11 - 公布日： 2021-05-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种识别甲状腺滤泡性肿瘤组织病理图像中病变区域的方法，并对基因突变进行预测。该方法是一种基于深度学习方法的自动辅助诊断技术，利用大数据和深度卷积神经网络算法，对甲状腺滤泡性肿瘤病理组织切片图像中的病变区域进行自动定位，并对该病变区域的病理组织学类型和基因突变类型进行自动识别，根据病理组织图像识别出同时携带RAS及其他驱动基因突变的病例，实现甲状腺滤泡性肿瘤的组织学分类及相关基因突变的预测。本发明所述的方法为临床医师提供信息，协助病理诊断及辅助制定临床决策，推动数字病理及精准医疗的发展。
识别甲状腺肿瘤病理图像病变类型基因突变方法

[发明专利]一种基于深度卷积神经网络的图像识别方法、设备-CN202011492450.9在审
发明人：陈浩;肖永杰;林黄靖;王春永 -专利权人：深圳视见医疗科技有限公司
申请日： 2020-12-17 - 公布日： 2021-04-23 - 主分类号： G06K9/20 文献下载
摘要：本发明涉及医疗技术领域，尤其是涉及一种基于深度卷积神经网络的图像识别方法、设备，该方法包括：对胸部的X光片进行预处理，得到符合格式要求的X光片初始图像；对X光片初始图像进行筛查，检测是否为胸部正位图像；将胸部正位图像输入至深度卷积神经网络的二分类模型中进行阴阳性分类；将阳性结果的图像输入至深度卷积神经网络的检测模型中检测疾病类型并对图像中的病灶区域进行轮廓标注；显示图像对应的疾病类型和病灶区域。本发明实施例提供的基于深度卷积神经网络的图像识别方法既能筛查X光胸片的阴阳性，也能定位出病灶区域，同时能标出病灶区域的疾病种类或者征象，给医生提供更具有可解释性的参考意见。
一种基于深度卷积神经网络图像识别方法设备

[发明专利]基于深度学习的肋骨骨折辅助检测方法及图像识别方法-CN202011497567.6在审
发明人：陈浩;柴志忠;林黄靖;王春永 -专利权人：深圳视见医疗科技有限公司
申请日： 2020-12-17 - 公布日： 2021-04-23 - 主分类号： G06K9/20 文献下载
摘要：本发明涉及医疗技术领域，尤其涉及一种基于深度学习算法的肋骨骨折辅助检测方法及图像识别方法，其包括：选取一定数量的胸部CT图像作为训练集，并标注图像中的肋骨骨折区域和肋骨编号；对该图像进行数据归一化处理；将处理后的图像作为输入，标注的图像中的肋骨骨折区域和肋骨编号作为输出进行模型训练，该训练模型包括：肋骨检测模型、肋骨骨折分割模型以及肋骨编号及分段模型；将待检测的胸部CT图像经过处理后输入至训练好的所述肋骨骨折检测模型中，输出检测结果。本发明实施例提供的基于深度学习算法的肋骨骨折辅助检测方法有效的降低了肋骨骨折检测的假阳和假阴，并且该检测结果提供了疑似肋骨骨折的位置信息，可以辅助医生诊断。
基于深度学习肋骨骨折辅助检测方法图像识别

[发明专利]胃幽门螺旋杆菌感染病理诊断支持系统和方法-CN201710423850.6在审
发明人：万香波 -专利权人：万香波;陈浩;范新娟;王磊;林黄靖;冯莉莉;窦琪;王平安;朱亚西;黄艳;中山大学附属第六医院;深圳视见医疗科技有限公司
申请日： 2017-06-07 - 公布日： 2018-12-14 - 主分类号： G16H30/20 文献下载
摘要：本发明公开了一种基于大数据深度学习的胃幽门螺旋杆菌感染病理诊断支持系统和方法，该系统包括：图像数据获得单元，用于获得胃正常切片图像和已确诊的胃幽门螺旋杆菌感染病例的病理切片图像作为已输入图像数据；图像数据标注单元，用于对已输入图像数据进行标注；图像数据库构建单元，用于对图像数据标注单元提供的已标注图像数据分类、整理，构建病理图像数据库；卷积神经网络(CNN)构造单元，用于构造第一卷积神经网络模型；以及卷积神经网络模型训练单元，获得理想的卷积神经网络模型。通过本发明的胃幽门螺旋杆菌感染病理诊断支持系统和方法可实现精准和高效的智能读片，以辅助临床上胃幽门螺旋杆菌感染的病理诊断工作，提高其准确率、工作效率及工作持续状态。
胃幽门螺旋杆菌卷积神经网络病理诊断支持系统感染输入图像数据图像数据标注标注模型训练单元图像数据分类图像数据库病理切片病理图像持续状态工作效率构建单元构造单元获得单元切片图像图像数据大数据准确率构建数据库图像智能学习

[发明专利]基于大数据深度学习的胃癌病理诊断支持系统和方法-CN201710423350.2在审
发明人：万香波 -专利权人：万香波;陈浩;范新娟;王磊;林黄靖;冯莉莉;窦琪;王平安;朱亚希;黄艳;中山大学附属第六医院;深圳视见医疗科技有限公司
申请日： 2017-06-07 - 公布日： 2017-11-21 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于大数据深度学习的胃癌病理诊断支持系统和方法，该系统包括图像数据获得单元，用于获得胃正常组织切片图像和已确诊的胃癌病例的病理切片图像作为已输入图像数据；图像数据标注单元，用于对已输入图像数据进行标注；图像数据库构建单元，用于对图像数据标注单元提供的已标注图像数据分类、整理，构建病理图像数据库；卷积神经网络(CNN)构造单元，用于构造第一卷积神经网络模型；以及卷积神经网络模型训练单元，获得理想的卷积神经网络模型。通过本发明的胃癌病理诊断支持系统和方法可实现精准和高效的智能读片，以辅助临床上胃癌的病理诊断工作，提高其准确率、工作效率及工作持续状态。
基于数据深度学习胃癌病理诊断支持系统方法

1
2
下一页»
尾页
共 17 条