“郭际香”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45个，建议您升级VIP下载更多相关专利

[发明专利]一种肾小球滤过率自动计算方法-CN202111070262.1有效
发明人：蔡华伟;章毅;皮勇;赵祯;蒋丽莎;魏建安;郭际香;李林;陈利弘;陈媛媛;张海仙 -专利权人：四川大学
申请日： 2021-09-13 - 公布日： 2023-07-21 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种肾小球滤过率自动计算方法，包括步骤：T1：通过肾动态显像图像获取肾小球滤过率GFR值的训练数据；T2：搭建神经网络模型，依次包括：特征提取模块、特征融合模块、回归模块；T3：对搭建的神经网络模型进行训练；T4：使用完成训练的神经网络模型对输入的肾动态显像图像进行肾小球滤过率的自动计算。本发明针对基于每例肾动态显像图像进行肾小球滤过率的计算，这一过程完全由计算机自动完成，仅需输入该次检查时由专业设备采集的肾动态显像图像，不需要其他的人为参数设置和特征指定，提高了基于核医学肾动态检查的肾小球滤过率诊断的精确性与时效性，有一致的处理结果标准以及相当的准确度，便于集成和大规模的应用。
一种肾小球滤过自动计算方法

[发明专利]一种基于神经网络的计算机辅助肺气道分割方法-CN202011628297.8有效
发明人：刘伦旭;章毅;陈楠;郭际香;王子淮;徐修远;刘知浩;周凯;宋佳耕 -专利权人：四川大学华西医院;四川大学
申请日： 2020-12-30 - 公布日： 2023-06-20 - 主分类号： G06T7/11 文献下载
摘要：本发明公开一种基于神经网络的计算机辅助肺气道分割方法，包括以下步骤：步骤s1：数据准备：预先准备若干病人的肺部CT图像并标定其中的待分割肺气道；步骤s2：数据预处理：对肺部CT图像中的肺部区域进行分割，得到输入数据；步骤s3：建构三维多尺度特征聚合网络并训练三维多尺度特征聚合网络；步骤s4：将所述输入数据输入经历步骤s3后的三维多尺度特征聚合网络，得到输出结果；步骤s5：对输出结果进行后处理，得到肺气道分割结果。本发明通过一种三维多尺度特征聚合的深度神经网络准确、高效地完成对肺气道的分割，尤其能获取更为准确的叶内气道分割结果，同时本发明实施过程可实现无人值守批量操作。
一种基于神经网络计算机辅助肺气道分割方法

[发明专利]基于深度学习的颞下颌关节MRI图像重要结构分割方法-CN202310159269.3在审
发明人：张雨楠;朱涛;胡义林;郭际香;汤炜;刘畅;陈金龙;曾维 -专利权人：四川大学
申请日： 2023-02-23 - 公布日： 2023-06-13 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了深度学习的颞下颌关节MRI图像重要结构分割方法，涉及医学图像处理技术领域，其具体过程为：根据MRI原始图像通过人工标注的形式构建训练集、测试集和验证集，同时构建基于U‑net的卷积神经网络模型；将训练集图像输入U‑net模型，使用focal loss和dice loss结合的损失函数迭代，优化网络参数，通过验证集评估模型性能调节超参数；将测试集图像输入验证后的模型，使用dice系数评价模型的分割性能。本发明基于该U‑net模型对于颞下颌MRI图像中的重要解剖结构进行分割，快速提取出临床诊断中医生和患者感兴趣的目标区域，提高临床诊疗效率。
基于深度学习下颌关节 mri 图像重要结构分割方法

[发明专利]肺部感染CXR图像自动识别方法、系统、存储介质及终端-CN202310104254.7有效
发明人：王成弟;李为民;章毅;徐修远;熊立鹏;赵科甫;郭际香;邵俊;李经纬;梁书凡 -专利权人：四川大学
申请日： 2023-02-13 - 公布日： 2023-04-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种肺部感染CXR图像自动识别方法、系统、存储介质及终端，涉及肺炎图像的自动识别，其目的在于解决现有技术中存在稠密连接网络因数据压缩、网络梯度减少造成肺炎图像自动识别效果较差的技术问题。其通过搭建稠密连接网络，稠密连接网络的每层稠密块与前面所有层的稠密块连接在一起，并作为下一层稠密块的输入；且稠密块与稠密块之间的连接包括并列设置的左连接分支、右连接分支，左连接分支包括两个卷积层，右连接分支包括四个卷积层。本发明的网络结构改为双向致密层和过渡层，可进行无压缩操作并提取到肺炎多尺度的特征，且稠密连接网络加深也不会造成梯度消失，加深网络可以获得更好的肺炎识别效果。
肺部感染 cxr 图像自动识别方法系统存储介质终端

[发明专利]基于肺部CT图像的EGFR基因突变检测方法和系统-CN202310122073.7有效
发明人：王成弟;李为民;章毅;徐修远;邵俊;董沛知;何彦琪;周凯;郭际香;李经纬 -专利权人：四川大学
申请日： 2023-02-16 - 公布日： 2023-04-28 - 主分类号： G06T7/00 文献下载
摘要：本申请涉及人工智能技术领域，公开了一种基于肺部CT图像的EGFR基因突变检测方法和系统，所述方法包括：获取待检测数据，所述待检测数据包括肺部CT图像和患者多媒体信息；将多视角下的肺部CT图像输入图像特征提取器中，获得图像融合特征；将所述患者多媒体信息输入多媒体特征提取器中，获得多媒体融合特征；将所述图像融合特征与所述多媒体融合特征进行融合，获得突变检测特征；将所述突变检测特征输入EGFR基因突变检测分类器中，获得EGFR基因突变检测结果。本申请解决了现有EGFR基因突变检测方法存在的耗时长、步骤多的问题。
基于肺部 ct 图像 egfr 基因突变检测方法系统

[发明专利]基于深度学习的医疗系统风险管控事前预测方法、系统-CN202310143517.5有效
发明人：谢君;章毅;王增;石锐;徐修远;郭际香;周泠宇;曾国军 -专利权人：四川大学华西医院;成都爱迦飞诗特科技有限公司
申请日： 2023-02-21 - 公布日： 2023-04-28 - 主分类号： G16H40/20 文献下载
摘要：本发明公开了一种基于深度学习的医疗系统风险管控事前预测方法、系统，涉及医疗系统的风险管控技术领域，用于解决现有的基于神经网络的风险预测因数据量庞大、风险评价指标造成的风险评估准确率低的问题。其包括LSTM网络、CNN卷积网络以及注意力双向RNN网络的风险种类预测模型；训练时，采用BP反馈传播算法进行梯度回传，使用平均绝对误差MAE区分风险种类，使用均方根误差RMSE对风险评估等级回归学习。本发明通过采用不同风险类别的算法来预测未发生的风险、采用注意力机制使神经网络的风险评估准确率更高。
基于深度学习医疗系统风险事前预测方法

[发明专利]基于肺灌注的肺叶灌注强度评估方法、系统、设备及介质-CN202211386395.4有效
发明人：章毅;赵祯;徐修远;蔡华伟;周凯;李林;张海仙;蒋丽莎;刘若萌;郭际香 -专利权人：四川大学
申请日： 2022-11-07 - 公布日： 2023-04-21 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于肺灌注的肺叶灌注强度评估方法、系统、设备及介质，属于核医学灌注显像领域中的肺叶灌注强度评估，其目的在于解决现有常规肺灌注显像法只能看出肺功能缺失区域而无法计算每个肺叶的灌注数据的问题，其包括搭建并训练肺叶分割模型，并利用肺叶分割模型得到的肺叶分割图像与重构得到的核医学肺灌注图像进行配准，将肺叶分割的结果应用在核医学肺灌注图像上，并计算每个肺叶的灌注容积强度计数和灌注容积占比。本发明利用肺叶分割模型获得肺叶分割图像后与重构的肺灌注造影图像进行多模态配准、融合，能够自动地实现肺叶分割，并能计算每个肺叶的灌注容积强度计数和灌注容积占比。
基于灌注肺叶强度评估方法系统设备介质

[发明专利]一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法-CN202310071855.2有效
发明人： 郭际香;董雯萱;游梦;代佳琪;石宇超;李响;曾梦雨;谢腾飞;钟程澜;蔡天骁 -专利权人：四川大学
申请日： 2023-02-07 - 公布日： 2023-04-18 - 主分类号： G06N20/00 文献下载
摘要：本公开关于一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法，训练方法包括：获取口腔曲面断层影像，并确定所述口腔曲面断层影像中每个恒牙对应的目标框标注信息、牙位标注信息和成熟度标注信息；根据所述目标框标注信息对应的框选区域，对所述口腔曲面断层影像进行图像裁剪，得到每个恒牙的牙齿影像；基于所述牙位标注信息，对每个恒牙的牙齿影像进行排列处理，得到全恒牙列影像集；将所述全恒牙列影像集有序输入恒牙成熟度分级模型，得到每个恒牙对应的成熟度预测结果，并基于所述成熟度预测结果和所述成熟度标注信息，计算模型损失；根据所述模型损失调整所述恒牙成熟度分级模型的参数，从而对所述恒牙成熟度分级模型进行训练。
一种恒牙成熟度分级模型训练方法

[发明专利]一种基于神经网络的肺腺癌浸润程度预测系统-CN202110363571.1在审
发明人：章毅;刘伦旭;郭际香;陈楠;徐修远;王子淮;张蕾;赖红锦;章童妙 -专利权人：四川大学
申请日： 2021-04-02 - 公布日： 2022-10-11 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于神经网络的肺腺癌浸润程度预测系统。该系统包括以下五个部分：第一部分：数据输入部分；第二部分：数据预处理部分；第三部分：模型构建部分；第四部分：模型训练部分；第五部分：预测部分；输入待预测肺腺癌患者病灶特征和临床特征预处理后的数据，利用训练后的模型进行预测，输出预测结果：待预测肺腺癌的浸润程度为浸润性腺癌或非浸润性腺癌(不典型腺样增生、原位癌或微浸润腺癌)。本发明的预测系统能够准确的预测肺腺癌患者的浸润程度，预测结果的AUC高达90.32％，敏感度高达92.37％，特异度高达59.21％。本发明的预测系统对医生根据肺腺癌患者情况选择最佳治疗策略、以及预后评估具有非常重要的作用，应用前景广阔。
一种基于神经网络腺癌浸润程度预测系统

[发明专利]乳腺超声检查图像分级方法、装置、设备和存储介质-CN202210161924.4有效
发明人：章毅;王晗;何涛;王建勇;周尧;皮勇;张蕾;郭际香 -专利权人：成都爱迦飞诗特科技有限公司
申请日： 2022-02-22 - 公布日： 2022-07-12 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及图像识别技术领域，公开了一种乳腺超声检查图像分级方法、装置、设备和存储介质，所述方法包括：获取超声检查图像；将超声检查图像输入实性占位分类模型，得到第一分类结果；若第一分类结果表明不存在实性占位，则将超声检查图像输入BI‑RADS一二级两分类模型，得到第二分类结果；若第一分类结果表明存在实性占位，则将超声检查图像输入良恶性分类模型，得到第三分类结果；若第三分类结果表明为恶性，则将超声检查图像输入BI‑RADS多分类模型，得到第四分类结果。本发明解决了现有乳腺超声检查操作中，其超声检查图像的分级识别容易受到医生个人经验水平影响，导致超声检查图像的分级识别的准确率不能保证的问题。
乳腺超声检查图像分级方法装置设备存储介质

[发明专利]基于神经网络的肺结节筛选方法-CN202110065708.5有效
发明人：章毅;王成弟;郭际香;李为民;徐修远;邵俊;张海仙;李经纬;周尧;宋璐佳 -专利权人：四川大学
申请日： 2021-01-18 - 公布日： 2022-07-05 - 主分类号： G06V10/46 文献下载
摘要：本发明公开了一种基于神经网络的肺结节筛选方法，属于神经网络及胸部肺肺结节筛查领域。本发明能够解决现有的技术由于提取X光中特征时存在有效性差，以及未能有效解决类别不平衡带来的训练问题，并且能够解决由于上述原因导致的所构建出的模型依旧难以真正用于临床的问题。为此，本发明包括：胸部图像数据的准备；主特征提取网络的构建与训练；交叉带权交叉熵函数的构建AUC性能指标的近似；在线的训练以及特殊情况下的处理；基于弱监督学习的胸部肺结节的定位。
基于神经网络结节筛选方法

[发明专利]一种基于神经网络的计算机辅助术前肺癌患者N2期淋巴结预测系统-CN202011420413.7在审
发明人：刘伦旭;章毅;陈楠;张蕾;王子淮;郭际香;王航;徐修远;郝健淇;赵科甫 -专利权人：四川大学
申请日： 2020-12-07 - 公布日： 2022-06-07 - 主分类号： A61B6/03 文献下载
摘要：本发明公开了本发明提供了一种基于神经网络的计算机辅助术前肺癌患者N2期淋巴结预测系统。该预测系统包括：第一部分：数据输入部分；第二部分：数据预处理部分；第三部分：模型构建部分；第四部分：模型训练部分；第五部分：预测部分，输入待预测肺癌患者CT特征和临床特征预处理后的数据，利用训练后的模型进行预测，输出预测结果：待预测肺癌患者是N2分期或N0/N1分期。本发明的预测系统能够准确的预测T1N0M0非小细胞肺癌患者的淋巴结是处于N0/N1状态，还是处于N2状态，预测结果的曲线下面积(AUC)高达0.7847，敏感度高达89.80％，特异度高达54.50％。本发明的预测系统对医生预测患者的生存期、选择最佳治疗策略、以及预后评估具有非常重要的作用，应用前景广阔。
一种基于神经网络计算机辅助肺癌患者 n2 淋巴结预测系统

[发明专利]一种基于特征匹配的骨骼碎片拼接方法-CN201711165008.3有效
发明人： 郭际香;吕建成;汤炜 -专利权人：四川大学
申请日： 2017-11-21 - 公布日： 2022-06-07 - 主分类号： G06T7/30 文献下载
摘要：本发明公开了一种基于特征匹配的骨骼碎片拼接方法，通过对从医学图像重建的三维骨骼碎片模型进行配准，为下颌骨骨折修复提供术前指导。该方法包含如下步骤：1）导入三维骨骼碎片模型，手动提取碎片模型的断裂面；2）基于3D‑SIFT算法，提取骨骼碎片模型断裂面上的关键点；3）使用点特征直方图FPFH算法为提取的关键点构建特征描述子；4）基于提取的关键点和相应的描述子建立两个骨骼碎片模型（分别称为待配准模型、目标模型）的初始对应关系；5）使用改进的ICP算法优化初始对应关系，得到最终变换矩阵；6）作用上一步得到的变换矩阵于待配准模型，得到两个骨骼碎片模型的拼接结果。方法流程如图1所示。
一种基于特征匹配骨骼碎片拼接方法

[发明专利]一种跨模态融合目标跟踪方法-CN202110650615.9有效
发明人：左劼;杨勇;郭际香;魏骁勇 -专利权人：四川大学
申请日： 2021-06-10 - 公布日： 2022-04-12 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及计算机信息技术领域，提供了一种跨模态融合目标跟踪方法。目的在于解决跨模态目标之间的差异过于巨大，单纯使用基于特征的匹配难以获得较好的效果的问题。主要方案包括构建生成由像素对齐模块、特征对齐模块、联合判别模块组成的对抗神经网络，在数据集上训练生成对抗网络，从不同摄像头采集的视频中提取待识别目标，并输入训练好的联合判别模块，得到目标和所有待识别目标之间的特征相似度；使用标注的目标在摄像头之间的转移时间数据集，训练出一个根据转移时间预测目标之间的时间相似度的逻辑回归模型，利用该模型计算出两目标之间的时间相似度；特征相似度和时间相似度相加得到总相似度，总相似度最高的目标对即为同一目标。
一种跨模态融合目标跟踪方法

[发明专利]一种基于深度神经网络的侧位片智能头影测量方法-CN202111381788.1有效
发明人：章毅;何涛;张强;郭际香;徐蕾;董雯萱 -专利权人：四川大学
申请日： 2021-11-22 - 公布日： 2022-03-04 - 主分类号： G06T7/521 文献下载
摘要：本本发明公开了一种基于深度神经网络的侧位片智能头影测量方法，涉及侧位片图像数据的处理技术领域，为了解决现有技术中头影测量方法中存在空间信息缺失和标志点优先级缺失的问题，本发明包括以下步骤：数据准备：导入侧位片图像的数据并对侧位片图像的数据进行标定，以及对侧位片图像的数据划分和预处理；构建端到端模型：包括构建编码器模块、构建关系推理模块、构建解码器模块；端到端模型的训练：优化侧位片图像上的位置、空间和测量指标的损失函数，得到训练好的模型；基于训练好的端到端模型进行标志点检测和头影测量分析。本发明可以学习到更多的空间信息，通过构建关系推理网络模块的隐藏层时充分考虑检测标志点的优先级。
一种基于深度神经网络侧位片智能测量方法

1
2
3
下一页»
尾页
共 45 条