“何兰青”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11个，建议您升级VIP下载更多相关专利

[发明专利]异常心音识别方法、异常心音识别模型及其训练方法-CN202310909924.2在审
发明人：李子奇;刘从新;许博飞;何兰青;熊建皓;胡馨月;付萌;徐籴 -专利权人：循音智能科技（上海）有限公司;北京鹰瞳科技发展股份有限公司
申请日： 2023-07-21 - 公布日： 2023-10-27 - 主分类号： G10L25/66 文献下载
摘要：本公开的实施例提供一种异常心音识别方法、异常心音识别模型及其训练方法。该异常心音识别方法包括：获得待识别的心音音频信号；将心音音频信号在时域上分割成N个心音音频片段，其中，每个心音音频片段的时长相等；将N个心音音频片段分别单独输入经过预训练的一维卷积神经网络以得到N个心音识别结果，其中，一维卷积神经网络被训练成能够识别单个心音音频片段的时域特征是否存在异常，心音识别结果包括：正常心音、以及异常心音；确定N个心音识别结果中异常心音的比例；响应于比例高于阈值，确定心音音频信号为异常心音音频信号。
异常心音识别方法模型及其训练

[发明专利]多标签分类模型的训练方法、多标签分类的方法及产品-CN202311015028.8在审
发明人： 何兰青;刘家明;胡馨月 -专利权人：北京鹰瞳智能科技有限公司;北京鹰瞳科技发展股份有限公司
申请日： 2023-08-11 - 公布日： 2023-10-24 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种多标签分类模型的训练方法、多标签分类的方法及产品，该训练方法包括：将训练图像输入所述主干网络进行特征提取，以输出初始特征图，其中所述训练图像具有类别标签；将所述初始特征图输入至所述分类网络的第一卷积分支和第二卷积分支中分别进行处理，以分别输出第一空间特征图和第二空间特征图；基于所述第二空间特征图，对所述第一空间特征图进行加权操作，以得到类特定空间特征图；基于所述类特定空间特征图，输出所述训练图像的类别分数；以及基于所述类别分数和所述类别标签，对所述多标签分类模型进行训练。根据本申请实施例的训练方法，能够使得训练后的多标签分类模型具有更好的分类性能。
标签分类模型训练方法产品

[发明专利]一种用于对领域适应分类模型进行训练的方法和相关产品-CN202310016032.X在审
发明人：胡馨月;付萌;何兰青 -专利权人：北京鹰瞳科技发展股份有限公司
申请日： 2023-01-05 - 公布日： 2023-05-30 - 主分类号： G06V10/82 文献下载
摘要：本公开一种用于对领域适应分类模型进行训练的方法和相关产品。所述方法包括：获取多组训练数据，其中，一组所述训练数据包括：作为源域的非广角眼底图像以及作为目标域的超广角眼底图像，所述超广角眼底图像所拍摄到的眼底区域大于所述非广角眼底图像的眼底区域；将各组训练数据中的非广角眼底图像与超广角眼底图像进行中心对齐；将对齐后的训练数据导入至领域适应分类模型中进行训练。
一种用于领域适应分类模型进行训练方法相关产品

[发明专利]疾病分类模型的训练方法、疾病分类的方法及相关产品-CN202211085784.3有效
发明人： 何兰青;胡馨月;史晓宇 -专利权人：北京鹰瞳科技发展股份有限公司
申请日： 2022-09-06 - 公布日： 2022-12-27 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种疾病分类模型的训练方法、疾病分类的方法及相关产品。该训练方法包括：获取带样本标签的医学样本图像；根据多个待分类病种之间的混淆关系和所述样本标签，生成用于对所述疾病分类模型进行训练的训练标签；以及使用带训练标签的医学样本图像对所述疾病分类模型进行训练。根据本申请实施例的训练方法，使得疾病分类模型能够学习到易混淆病种之间的细微差别，有利于训练后的疾病分类模型能够更好的适应多病种分类任务。
疾病分类模型训练方法相关产品

[发明专利]基于医学图像进行疾病预测的装置、方法和可读存储介质-CN202211085785.8有效
发明人： 何兰青;胡馨月;史晓宇 -专利权人：北京鹰瞳科技发展股份有限公司
申请日： 2022-09-06 - 公布日： 2022-12-20 - 主分类号： G16H10/60 文献下载
摘要：本申请涉及一种基于医学图像进行疾病预测的装置、方法和计算机可读存储介质。该装置包括：处理器；以及存储器，其存储有基于医学图像进行疾病预测的程序指令，当所述程序指令由处理器运行时，使得所述装置执行以下操作：使用分类模型对待测医学图像进行疾病分类，以获得基于所述待测医学图像的初始分类结果；以及使用自然语言模型对所述初始分类结果进行推理，以获得基于所述待测医学图像的疾病预测结果。根据本实施例的装置，可以无需依赖于人为制定的复杂推断规则，并能够实现真正意义上的自动化疾病预测。
基于医学图像进行疾病预测装置方法可读存储介质

[发明专利]用于分析被检者的眼底变化趋势的方法、系统和相关产品-CN202210786323.2有效
发明人：张建华;杨志文;何兰青;史晓宇 -专利权人：北京鹰瞳科技发展股份有限公司
申请日： 2022-07-06 - 公布日： 2022-10-18 - 主分类号： A61B3/14 文献下载
摘要：本公开涉及一种用于分析被检者的眼底变化趋势的方法、系统和相关产品。所述方法包括：获取被检者的多组眼底图像；从所述多组眼底图像中选择所述被检者的至少两组目标眼底图像；对所述至少两组目标眼底图像执行特征匹配操作，以获取差异特征；根据所述至少两组目标眼底图像计算目标特征参数；以及基于所述差异特征和所述目标特征参数分析所述被检者的眼底变化趋势。利用本公开的方案，可以通过差异特征和目标特征参数全面地分析眼底变化趋势，获得准确的分析结果。
用于分析被检者眼底变化趋势方法系统相关产品

[发明专利]眼底图像配准模型训练方法、眼底图像配准方法和装置-CN202011436299.7有效
发明人： 何兰青;熊健皓;赵昕;和超;张大磊 -专利权人：上海鹰瞳医疗科技有限公司
申请日： 2020-12-10 - 公布日： 2022-06-07 - 主分类号： G06T7/33 文献下载
摘要：本发明实施例提供了一种眼底图像配准模型训练方法、眼底图像配准方法和装置。所述眼底图像配准模型训练方法包括将原始眼底图像输入第一待训练模型中，获取所述第一待训练模型输出的第一模型配准参数；对所述第一模型配准参数进行扰动，生成扰动配准参数；根据所述第一模型配准参数以及所述扰动配准参数，确定针对所述第一待训练模型的奖励值；根据所述奖励值，调整所述第一待训练模型中的模型参数，直至所述奖励值满足第一预设条件时，将所述第一待训练模型作为眼底图像配准模型。从而得到可以输出眼底图像配准参数，对眼底图像进行配准的模型，且具有较好的准确率。
眼底图像模型训练方法装置

[发明专利]对加密数据进行处理的方法、电路及相关产品-CN202210126281.X有效
发明人：刘从新;何兰青;赵昕;和超;张大磊 -专利权人：北京鹰瞳科技发展股份有限公司
申请日： 2022-02-10 - 公布日： 2022-05-20 - 主分类号： G06F21/60 文献下载
摘要：本申请公开了一种对加密数据进行处理的方法、数据处理电路及相关产品。该方法包括：接收经同态加密的密文数据；以及对密文数据执行卷积运算处理，以得到经同态加密的结果数据。卷积运算处理包括：对密文数据和卷积核执行多个独立的单一卷积运算，其中每个单一卷积运算使用对应单个输入通道的单个卷积核对密文数据中对应的单个输入通道的输入特征图执行卷积运算，获得多个单一卷积运算结果；以及将多个单一卷积运算结果按照所述卷积运算的运算规则进行处理，以获得卷积运算的结果数据。本申请的方案提供了适应同态加密的通用的神经网络卷积加速方案，其可利用同态加密的运算特性，提高机器的处理效率，并能方便扩展至各种卷积变体的运算。
加密数据进行处理方法电路相关产品

[发明专利]一种白内障模型的训练方法及白内障识别方法-CN202111575539.6有效
发明人：徐籴;何兰青;赵昕;和超;张大磊 -专利权人：北京鹰瞳科技发展股份有限公司;上海鹰瞳医疗科技有限公司
申请日： 2021-12-21 - 公布日： 2022-04-19 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种白内障模型的训练方法及白内障识别方法，所述白内障识别模型的训练方法包括：获取多个训练样本，其中包括图像质量原因导致的图像不清的非白内障样本，所述训练样本包括样本图像以及指示其所属类别的标签，预设的类别包括白内障类、非白内障且图像质量正常类、非白内障且图像不清类；利用所述多个训练样本训练白内障识别模型识别相应样本图像所属的类别，输出识别结果，根据所述识别结果和对应的标签计算的损失值更新白内障识别模型的参数；本发明针对非白内障类设置非白内障且图像质量正常类、非白内障且图像不清类，由此，以训练白内障识别模型区分白内障以及图像不清的非白内障的特征，从而提高模型的精度。
一种白内障模型训练方法识别

[发明专利]一种训练多病种转诊系统的方法、多病种转诊系统以及方法-CN202111174921.6在审
发明人： 何兰青;赵昕;和超;张大磊 -专利权人：北京鹰瞳科技发展股份有限公司;上海鹰瞳医疗科技有限公司
申请日： 2021-10-09 - 公布日： 2022-02-08 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种构建多病种转诊系统的方法，包括：S1、获取用于训练的眼底图像的训练样本，以每个样本对应的所有疾病为阳性标签对其眼底图像进行标注获得训练数据集；S2、将所述训练数据集中的训练样本输入至所述待训练的多病种转诊系统，其中，所述多病种转诊系统包括多个疾病分支网络，每个疾病分支网络包括一个对应疾病的分类器以及对所述分类器的输出进行处理的激活层；所述多病种转诊系统还包括用于对所有疾病分支网络的分类器的输出进行计算的归一化层；S3、根据所述训练样本的损失函数更新所述多个疾病分支网络的权重，直至收敛；其中损失函数包括所有疾病分支网络的损失加上所有疾病分支网络的分类器的输出进行合并的多标签回归损失。
一种训练多病转诊系统方法以及

[发明专利]一种训练多疾病转诊模型的方法及设备-CN202110800315.4在审
发明人： 何兰青;熊健皓;赵昕;和超;张大磊 -专利权人：北京鹰瞳科技发展股份有限公司;上海鹰瞳医疗科技有限公司
申请日： 2021-07-15 - 公布日： 2021-10-26 - 主分类号： G16H50/20 文献下载
摘要：本发明实施例提供了一种训练多疾病转诊模型的方法及设备，该方法包括：获取训练集，其包括多个样本中每个样本的决策轮廓和转诊标签，以及多种转诊分类中每种转诊分类的决策模板；获取机器学习模型，其被配置为根据决策轮廓、决策模板和多个决策权重确定转诊结果，其中，根据决策轮廓和决策模板得到多个距离分量并根据多个决策权重计算决策距离，根据决策距离输出相应样本的转诊结果；利用训练集对机器学习模型进行训练，基于转诊结果和转诊标签对多个决策权重进行调整，得到多疾病转诊模型。本发明可以根据决策轮廓中不同元素对转诊结果的贡献差异，提升模型的转诊分类性能。
一种训练疾病转诊模型方法设备

1
共 11 条