“上海皓桦科技股份有限公司”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19个，建议您升级VIP下载更多相关专利

[发明专利]冠状动脉血管的自动分段命名方法、计算机设备及介质-CN202310813870.X在审
发明人：孙世辰;冯建兴 -专利权人： 上海皓桦科技股份有限公司
申请日： 2023-07-04 - 公布日： 2023-10-03 - 主分类号： G16H30/40 文献下载
摘要：本发明涉及人工智能技术领域，具体提供一种冠状动脉血管的自动分段命名方法、计算机设备及介质，旨在解决现有技术的预测结果易受血管提取质量影响，预测结果的准确性不足的问题。为此目的，本发明提供的冠状动脉血管的自动分段命名方法包括：获取冠状动脉血管的中心线，建立中心线树；通过自注意力机制获取各节点的节点特征；根据各节点的节点特征，预测各节点对应的血管段名称，以及各血管段的血管段名称；获取由不同血管段组成的各条冠状动脉血管的血管名称。基于上述方法，通过自注意力机制可以有效提取出中心线上各节点的关系，受冠状动脉血管的中心线提取质量影响小，能够高效、准确的对冠状动脉血管进行分段命名。
冠状动脉血管自动分段命名方法计算机设备介质

[发明专利]一种冠状动脉血管中心线的命名方法、装置及介质-CN202310726729.6在审
发明人：冯建兴;孙世辰 -专利权人： 上海皓桦科技股份有限公司
申请日： 2023-06-19 - 公布日： 2023-09-08 - 主分类号： G16H30/40 文献下载
摘要：本发明涉及医学图像分析技术领域，具体提供一种冠状动脉血管中心线的命名方法、装置及介质，旨在解决如何快速准确的对冠状动脉血管中心线进行命名的技术问题。为此目的，本发明的冠状动脉血管中心线的命名方法，包括：获取待测图像，对待测图像进行特征提取，得到待测图像的图像特征，根据图像特征，获得待测图像的图像节点特征和节点关系特征，根据图像节点特征，获得待测图像的节点预测结果，根据图像节点特征和节点关系特征，获得待测图像的关系预测结果，根据节点预测结果和关系预测结果，获得待测图像的中心线树和分段命名结果。通过上述配置方式，本发明能够实现对冠状动脉血管中心线进行快速准确的命名。
一种冠状动脉血管中心线命名方法装置介质

[发明专利]诊断报告生成方法、控制装置及可读存储介质-CN202310635002.7在审
发明人：冯建兴 -专利权人： 上海皓桦科技股份有限公司
申请日： 2023-05-31 - 公布日： 2023-09-08 - 主分类号： G16H15/00 文献下载
摘要：本发明涉及人工智能技术领域，具体提供一种诊断报告生成方法、控制装置及可读存储介质，旨在解决如何更为准确、完整、高效地生成基于医学影像的诊断报告的问题。为此目的，本发明将待分析的医学影像数据进行分割，获得医学影像数据中包含的多个器官影像数据，对每个器官影像数据进行关键影像提取，获得关键影像，基于关键影像获得器官影像数据的诊断结果，并将多个器官影像数据的诊断结果进行拼接，获得医学影像数据的诊断报告。能够基于医学影像数据自动生成诊断报告；使得每个器官影像数据的诊断结果的准确性更高，且计算量更小，进而使得最终获得的诊断报告也具有更高的准确性和完整性，且效率更高。
诊断报告生成方法控制装置可读存储介质

[发明专利]图像配准方法、电子设备及存储介质-CN202310442726.X在审
发明人：冯建兴 -专利权人： 上海皓桦科技股份有限公司
申请日： 2023-04-23 - 公布日： 2023-08-08 - 主分类号： G06T7/33 文献下载
摘要：本发明涉及计算机视觉技术领域，具体提供一种图像配准方法、电子设备及存储介质，旨在解决现有图像配准方法的配准精度较低的技术问题。为此目的，本发明的图像配准方法包括：获取待配准的第一图像和第二图像；构造偏移量预测模型并训练；利用偏移量预测模型、基于第一图像和第二图像获取仿射变换参数；基于仿射变换参数和第二图像，获取第二图像向第一图像配准后的配准图像。如此，提高了图像匹配准精度。
图像方法电子设备存储介质

[发明专利]点云数据的数据拟合方法、装置及介质-CN202110500509.2有效
发明人：冯建兴;范晓晨;徐昕 -专利权人： 上海皓桦科技股份有限公司
申请日： 2021-05-08 - 公布日： 2023-08-01 - 主分类号： G06T17/10 文献下载
摘要：本发明涉及点云数据拟合技术领域，具体提供了一种点云数据的数据拟合方法、装置及介质，旨在解决如何提高点云数据拟合的准确度和应用范围的技术问题。为此目的，根据本发明实施例的方法，可以获取待拟合的点云数据，其中，待拟合的点云数据包括不存在坐标数据缺失的第一类点云数据和存在一部分坐标数据缺失的第二类点云数据；采用点云数据分析模型对待拟合的点云数据进行坐标数据分析；根据坐标数据分析的结果，获取第二类点云数据中缺失的坐标数据的预测值，根据预测值对第二类点云数据的坐标数据进行补全操作；对第一类点云数据以及经补全操作后的第二类点云数据进行数据拟合处理。通过上述步骤，可以提高点云数据拟合的准确度和应用范围。
数据拟合方法装置介质

[发明专利]二维骨骼图像获取方法、系统及装置-CN201911309573.1有效
发明人：冯建兴 -专利权人： 上海皓桦科技股份有限公司
申请日： 2019-12-18 - 公布日： 2023-06-27 - 主分类号： A61B6/03 文献下载
摘要：本发明涉及图像处理技术领域，具体提供了一种二维骨骼图像获取方法、系统及装置，旨在解决如何便捷且可靠地将任意一种骨骼类型(例如：肋骨、胸骨、肋软骨和肩胛骨等)的三维骨骼图像转换为清晰的二维骨骼图像的问题。本发明实施例对三维图像进行三维空间下的图像坐标转换，根据转换前后图像之间的坐标对应关系确定图像中骨骼的中心点，提取所有中心点在原始三维骨骼图像中对应的像素点，利用这些像素点得到任意一种骨骼类型的骨骼二维剖面图像，操作简单，不涉及复杂的操作内容，同时坐标转换、中心点确定以及像素点提取等步骤也不会引入随机误差，从而能够得到成像效果清晰的二维图像。
二维骨骼图像获取方法系统装置

[发明专利]图像关键点的识别方法、图像分割方法、设备及介质-CN202310227446.7在审
发明人：冯建兴 -专利权人： 上海皓桦科技股份有限公司
申请日： 2023-03-10 - 公布日： 2023-06-23 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及图像处理技术领域，具体提供一种图像关键点的识别方法、图像分割方法、设备及介质，旨在解决关键点识别效果差的问题。本发明提供的方法包括：获取图像特征，随机生成图像中的关键点在特征空间中前向扩散的第一特征向量，特征空间是关键点特征向量奇异值分解形成的，关键点特征向量是关键点在图像坐标空间中坐标构建的，用扩散模型根据图像特征对第一特征向量逆向扩散得到第二特征向量，基于奇异值分解的方法将第二特征向量转至图像坐标空间，获取关键点实际坐标，根据实际坐标获取识别结果，扩散模型是对关键点进行前向扩散和逆向扩散的训练得到的，关键点包括边缘和/或非边缘关键点。通过关键点扩散保证关键点相关性，提高识别效果。
图像关键识别方法分割设备介质

[发明专利]肋骨展开装置及方法-CN201810770785.9有效
发明人：冯建兴;范晓晨 -专利权人： 上海皓桦科技股份有限公司
申请日： 2018-07-13 - 公布日： 2023-03-24 - 主分类号： G06T3/40 文献下载
摘要：本发明属于图像处理技术领域，具体提供了一种肋骨展开装置及方法，旨在解决现有技术对微小骨折不敏感且计算速度慢的问题。为此目的，本发明提供了一种肋骨展开方法，包括基于预先获取的肋骨中心线获取肋骨中心线上每个特定点对应的第一特定平面；基于肋骨中心线上的特定点对相应的第一特定平面进行极坐标变换得到第二特定平面；获取第二特定平面中每个特定角度对应的像素值最大的像素点，连接像素点与相应的特定点，得到每个特定角度对应的展开线条；将第二特定平面中所有的特定角度对应的展开线条拼接得到肋骨的展开图像。基于上述步骤，本发明提供的方法具有可以准确地发现肋骨中微小的骨折并且计算速度快。
肋骨展开装置方法

[发明专利]图像特征提取方法及装置-CN202110213940.9有效
发明人：冯建兴 -专利权人： 上海皓桦科技股份有限公司
申请日： 2021-02-25 - 公布日： 2022-12-13 - 主分类号： G06V10/82 文献下载
摘要：本发明涉及图像学习技术领域，具体提供了一种图像特征提取方法及装置，旨在解决如何提高图像特征学习的效果的技术问题。为此目的，根据本发明实施例的方法，可以对训练集内的每个图像样本分别进行图像随机变换，以获取每个图像样本对应的一个或多个随机变换图像；分别对每个随机变换图像进行分类，以形成第一图像集和第二图像集；采用图像质量评估模型并且根据每个图像样本，获取每个随机变换图像的质量评估值；根据第一图像集、第二图像集以及每个随机变换图像的质量评估值，对图像特征提取模型进行模型训练；利用训练好的图像特征提取模型对目标图像进行图像特征提取。通过上述步骤，可以提高模型图像特征学习的效果。
图像特征提取方法装置

[发明专利]图像分割方法、装置及存储介质-CN202210158357.7在审
发明人：冯建兴 -专利权人： 上海皓桦科技股份有限公司
申请日： 2022-02-21 - 公布日： 2022-05-27 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及图像处理技术领域，具体提供一种图像分割方法、装置及存储介质，旨在解决现有分割方法需要标注数据，或者无法将对象的不同部分分割为一个整体以导致分割准确度较差的技术问题。为此目的，本发明的图像分割方法包括下述步骤：将待分割图像划分为至少一个第一图像块；确定每个第一图像块的Token，以得到Token集合；基于Token集合确定每个第一图像块对应的主题；基于每个第一图像块对应的主题对待分割图像进行分割，得到初始分割图像。如此，提高了图像分割的准确度。
图像分割方法装置存储介质

[发明专利]肺部影像中肺叶区域的分割方法、系统、装置和介质-CN202210038764.4在审
发明人：范晓晨;徐昕;冯建兴;黄海峡 -专利权人： 上海皓桦科技股份有限公司;华东疗养院
申请日： 2022-01-13 - 公布日： 2022-04-22 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及图像处理技术领域，具体提供一种肺部影像中肺叶区域的分割方法、系统、装置和介质，旨在解决如何对肺部影像中肺叶进行准确分割的问题。为此目的，本发明采用点云神经网络模型对肺裂区域在肺部影像中的三维坐标进行修正，根据修正后的肺裂区域对肺部影像进行肺叶分割，以获得肺叶区域。通过上述配置方式，本发明能够针对肺裂模糊不清、存在副裂以及存在肺部纤维化等情况的肺部影像进行肺裂区域在肺部影像中的三维坐标的修正，使得肺裂区域的预测更为完整且准确，进一步使根据修正后的肺裂区域进行肺叶分割获得的肺叶区域也更加准确。
肺部影像肺叶区域分割方法系统装置介质

[发明专利]一种深度学习网络及其缺失数据的预测方法和装置-CN202111566563.3在审
发明人：冯建兴 -专利权人： 上海皓桦科技股份有限公司
申请日： 2021-12-20 - 公布日： 2022-04-22 - 主分类号： G06F16/215 文献下载
摘要：本发明涉及学习网络技术领域，具体提供一种深度学习网络及其缺失数据的预测方法和装置，旨在解决现有技术预测的缺失数据的精确度较低的问题。为此目的，本发明的深度学习网络包括向量提取层、数据编码层、特征融合层、特征解码层和数据预测层。通过上述深度学习网络，能够获取输入数据对应的缺失数据，提高了获取的缺失数据的精确度，实现了对任意输入数据缺失比例的支持，适用于任何缺失数据的预测，满足了用户实际需求。
一种深度学习网络及其缺失数据预测方法装置

[发明专利]肋骨中心线检测装置及方法-CN201810770823.0有效
发明人：冯建兴;范晓晨 -专利权人： 上海皓桦科技股份有限公司
申请日： 2018-07-13 - 公布日： 2021-12-03 - 主分类号： A61B6/00 文献下载
摘要：本发明属于图像处理技术领域，具体提供了一种肋骨中心线检测装置及方法，旨在解决现有技术鲁棒性差和计算速度慢的技术问题。为此目的，本发明提供了一种肋骨中心线检测方法，包括：基于预设的肋骨识别模型识别目标图像中肋骨所在区域，并且根据肋骨所在区域获取每根肋骨对应的肋骨区域；获取在目标图像对应的三维空间图像中每个肋骨区域对应的多个特定平面，并且根据特定平面计算相应肋骨区域的重心，将每个肋骨区域的所有重心相连得到相应肋骨的中心线。基于上述步骤，本发明提供的肋骨中心线检测方法可以准确高效地识别出目标图像中肋骨所在区域，可以适应多种异常情况，鲁棒性好，计算速度快。本发明的装置同样具有上述有益效果。
肋骨中心线检测装置方法

[发明专利]图像处理系统及方法-CN202110875128.2在审
发明人：孙世辰;韦景琪;张哲嘉;徐昕;冯建兴;张胜洪;周英 -专利权人： 上海皓桦科技股份有限公司
申请日： 2021-07-30 - 公布日： 2021-11-02 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及图像处理技术领域，具体提供一种图像处理系统及方法，旨在解决图像过大导致传输时间长，降低图像处理效率的问题。为此目的，本发明包括：图像分割装置被配置成对人体图像进行分割；图像分析报告处理装置被配置成分析图像分析报告，确定异常的人体部位；图像传输装置被配置成确定每个子区域图像的传输优先级，按照传输优先级将每个子区域图像传输至图像显示终端，使存在异常的人体部位对应的子区域图像优先于其他子区域图像传输至图像显示终端进行显示；图像合成显示装置被配置成将所有子区域图像合成为新的人体图像并显示。通过分割图像，将存在异常的人体部位的子区域图像优先发送，克服了因图像传输时间过长降低图像处理效率的缺陷。
图像处理系统方法

[发明专利]图像特征提取方法-CN201910173459.4有效
发明人：冯建兴 -专利权人： 上海皓桦科技股份有限公司
申请日： 2019-03-07 - 公布日： 2021-09-21 - 主分类号： G06K9/46 文献下载
摘要：本发明属于图像学习领域，并且具体提供了一种图像特征提取方法，旨在降低图像特征学习对硬件条件的过度依赖，同时提高图像特征学习效果。为此目的，本发明提供的图像特征提取方法主要包括以下步骤：通过预设的卷积神经网络获取目标图像的图像特征；该方法还包括对卷积神经网络进行网络训练，其具体包括获取图像样本集中每个图像样本的相似样本，并且分别对每个图像样本及其对应的相似样本进行图像变换；通过卷积神经网络并且根据图像变换结果获取相应的图像特征；根据目标函数、图像样本及其对应的相似样本的图像特征并利用机器学习算法对卷积神经网络进行网络训练。基于上述步骤，本发明可以保证图像特征的学习效果，又可以降低对硬件条件要求。
图像特征提取方法

1
2
下一页»
尾页
共 19 条