“邓智方”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8个，建议您升级VIP下载更多相关专利

[发明专利]基于Transformer上下文信息融合的医学图像分割方法及相关设备-CN202310232612.2在审
发明人：黄小红;谭石;付颖;叶依桐;李丹丹;袁学光;邓智方 -专利权人：北京邮电大学;北京大学第三医院
申请日： 2023-03-06 - 公布日： 2023-07-14 - 主分类号： G06T7/11 文献下载
摘要：本申请提供一种基于Transformer上下文信息融合的医学图像分割方法及相关设备，Transformer包括多个编码层和对称的解码层；该方法包括：通过多个编码层对各组医学图像构成收缩路径，在编码层预设多水平分支局部上下文提取模型，通过空间分离和空洞卷积以及残差连接得到局部上下文关系；通过多个解码层构成扩张路径，在解码层预设多尺度上下文信息融合模块，利用自注意力计算和交叉注意力计算，分别得到当前尺度和多尺度的医学图像的全局上下文关系，结合两者信息作提取与融合，得到多尺度上下文关系；基于上述两种上下文关系对医学图像进行分割，得到分割结果。通过多尺度上下文关系和局部上下文关系，能够有效进行医学图像分割，从而有效识别医学图像中的解剖结构。
基于 transformer 上下文信息融合医学图像分割方法相关设备

[发明专利]一种基于联邦深度学习的心脏图像处理方法-CN202210211037.3有效
发明人：方桧铭;杨剑;刘洋;李兰兰;马琛明;邓智方;李丹丹 -专利权人：拓微摹心数据科技（南京）有限公司
申请日： 2022-03-04 - 公布日： 2023-06-06 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于联邦深度学习的心脏图像处理方法，包括步骤：中央服务器端进行心脏图像数据的多尺度信息聚合算法的全局初始模型设计，并下发该初始模型到各参与方；各参与方利用本地数据，进行全局初始模型的训练，获得本地更新模型；服务器端对各本地更新模型进行聚合，再将聚合之后的全局更新模型分发到参与方进行训练；重复前述两个步骤，直到全局模型收敛至预设条件。本发明在各方持有原始心脏图像数据不出本地的情况下，能够充分挖掘数据特征信息，提升心脏图像分割效果，提升模型性能并释放数据潜力。本发明的聚合方法能够对各参与方的局部模型进行有效测试，记录并剔除效果不好的参与方，能够有效提升聚合效率和精度。
一种基于联邦深度学习心脏图像处理方法

[发明专利]一种人工智能辅助超声诊断脾肝脏创伤模型建立的方法-CN202310154958.5在审
发明人：袁学光;黄小红;张阳安;李丹丹;叶依桐;邓智方;李正阳 -专利权人：北京邮电大学
申请日： 2023-02-23 - 公布日： 2023-05-30 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种人工智能辅助超声诊断脾肝脏创伤模型建立的方法，属于人工智能辅助诊断领域。本发明采用数据增强与生成的方法，将动物脾肝脏创伤的超声图像通过数据增强为更接近于人体脾肝脏创伤临床数据的强数据集；然后应用大量的增强后脾肝脏创伤的超声图像创建源模型，使用源模型在少量人体脾肝脏创伤的数据下进行微调；最终建立脾肝脏创伤超声图像自动分割模型与脾肝脏创伤超声图像等级分类模型，该模型对脾肝脏创伤超声诊断过程中生成的图像进行分析，标识分割图像中出现的脾肝脏解剖结构轮廓和脾肝脏创伤位置，并得到等级分类结果。本发明在临床脾肝脏创伤超声影像数据集上表现出较好性能。
一种人工智能辅助超声诊断肝脏创伤模型建立方法

[发明专利]一种基于人工智能的主动脉结构图像自动分割方法-CN202110586763.9有效
发明人：马琛明;方桧铭;邓智方 -专利权人：拓微摹心数据科技（南京）有限公司
申请日： 2021-05-27 - 公布日： 2022-04-19 - 主分类号： G06T7/155 文献下载
摘要：本发明公开了一种基于人工智能的主动脉结构图像自动分割方法。包括将标签图像进行分割、对不同通道的标签图像添加噪声并提取形态学梯度、对各解码阶段的多通道特征图像进行形态学特征提取、各阶段损失计算及总损失计算，以及最终完成网络参数的训练与优化等步骤。通过使用上述基于人工智能的图像处理方法，相比于目前已有的图像处理方法，可以去除明显的误分割区域，提升图像分割效果，对目标区域进行更精准分割，使分割不完全的区域更加完善，为之后的三维模型的建立提供了准确度更高的图像数据，有效提高了TAVR/TAVI术前评估的效率和精度。
一种基于人工智能主动脉结构图像自动分割方法

[发明专利]视频理解方法-CN201810699566.6在审
发明人：李扬曦;杜翠兰;佟玲玲;王晶;缪亚男;胡卫明;王博;邓智方;张宏源 -专利权人：国家计算机网络与信息安全管理中心;中国科学院自动化研究所
申请日： 2018-06-29 - 公布日： 2018-11-30 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及计算机视觉技术领域，具体涉及一种视频理解方法，旨在解决如何有效提取视频的密集帧特征和长期时空特征的技术问题。为此目的，本发明提供的视频理解方法首先利用残差网络获取目标视频的视频帧组，然后利用时序关系网络并根据多个视频帧组生成视频的时序关系特征，最后根据时序关系特征预测目标视频的视频行为类别。其中，视频帧组包括两个有序视频帧，每个有序视频帧均包括多个按照时间顺序依次排列的视频帧。基于上述步骤，能够有效获取到目标视频的密集帧特征和长期时空特征，进而可以快速且准确地预测出目标视频的视频行为类别。
视频目标视频时序关系视频帧组视频帧时空特征计算机视觉技术时间顺序特征预测网络获取依次排列有效获取残差预测网络

[发明专利]一种基于深度学习的手势识别方法-CN201710552147.5在审
发明人：袁家政;刘宏哲;邓智方 -专利权人：北京联合大学
申请日： 2017-07-07 - 公布日： 2018-02-13 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于深度学习的手势识别方法，包括以下步骤，数据预处理；卷积神经网络分类器设计；卷积神经网络分类器训练；卷积神经网络分类器优化；测试卷积神经网络分类器的分类效果。本发明使得手势识别的效果更为精确，能够对VIVA数据集中的手势进行较为准确的识别，其精确度超过了以往的传统的方法。
一种基于深度学习手势识别方法

[发明专利]一种基于循环三维卷积神经网络的手势识别方法-CN201710625653.2在审
发明人：袁家政;刘宏哲;邓智方 -专利权人：北京联合大学
申请日： 2017-07-27 - 公布日： 2018-01-16 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于循环三维卷积神经网络的手势识别方法，包括数据预处理，还包括以下步骤，循环三维卷积神经网络分类器设计，所述循环三维卷积神经网络分类器预训练，所述循环三维卷积神经网络分类器训练，所述循环三维卷积神经网络分类器优化，输出分类标签，测试所述分类器的分类效果。本发明使得手势识别的效果更为精确，能够对SKIG和ChaLearn2014数据集中的手势进行较为准确的识别，其精确度超过了以往的传统的方法。
一种基于循环三维卷积神经网络手势识别方法

[发明专利]教育机器人的课程展示方法及装置-CN201611271178.5在审
发明人：周建设;袁家政;刘宏哲;邓智方;史金生;刘杰 -专利权人：首都师范大学
申请日： 2016-12-30 - 公布日： 2017-06-13 - 主分类号： G06Q50/20 文献下载
摘要：本申请提供了教育机器人的课程展示方法及装置，涉及智能机器人技术领域，其中，该教育机器人的课程展示方法包括首先，将课程内容编排为不同形式的课程文件，之后，对各个课程文件进行编码，得到与各个课程文件相对应的标号，并将标号与课程内容进行关联，当想要展示某个课程内容时，服务器获取用户端需要的课程内容，并找到与课程内容相对应的标号，将与标号相对应的课程文件进行展示，通过上述方法，使教育机器人能够将课程内容通过不同形式的课程文件进行展示，从而增强了学生在学习时的积极性。
教育机器人课程展示方法装置

1
共 8 条