“病变特征”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2465413个，建议您升级VIP下载更多相关专利

[发明专利]一种皮肤病变图像分类方法-CN202110911205.5有效
发明人：王玉峰;万承北 -专利权人：南京邮电大学
申请日： 2021-08-10 - 公布日： 2023-10-13 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种皮肤病变图像分类方法，其包括：对待分类皮肤病变图像进行中心裁剪，获得第一图像块；利用神经网络模型中的上分支网络对第一图像块进行特征提取，获得第一特征向量；根据第一特征向量获得病变区域坐标；根据病变区域坐标裁剪第一图像块，获得第二图像块；利用神经网络模型中的下分支网络对第二图像块进行特征提取，获得第二特征向量；对第一特征向量和第二特征向量进行特征融合，获得皮肤病变类别预测概率，并根据皮肤病变类别预测概率获得待分类皮肤病变图像的皮肤病变类别本发明方法能够快速、客观、准确的判断皮肤病变图像的皮肤病变类别。
一种皮肤病变图像分类方法

[发明专利]一种农作物病变检测方法以及检测装置-CN201910359630.0有效
发明人：叶大贵;陈建文;王修才;朱文博;许仁俊;施淞瀚;林浩勃;陆江南;吴徐平;黄穗龙;朱珍 -专利权人：佛山科学技术学院
申请日： 2019-04-30 - 公布日： 2023-01-24 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种农作物病变检测方法及检测装置，检测方法包括病变分类步骤以及病变识别步骤；病变分类步骤根据各个样品图像的病变种类标签以及图像特征，完成决策树分类器的训练；根据决策树分类器，生成多个特征模板图像；病变识别步骤包括利用半朴素贝叶斯分类器计算待测图像与各个特征模板图像之间的匹配程度；根据待测图像与各个特征模板图像之间的匹配程度。本发明病变检测方法在病变分类步骤中，利用决策树分类器明确各种不同病变种类所对应的农作物特征，从而生出模板图像；在病变识别步骤中利用半朴素贝叶斯分类器计算待测农作物的待测图像与各个模板图像的匹配程度，得出待测农作物的病变种类及其病变的可能性数据
一种农作物病变检测方法以及装置

[发明专利]糖网病变阶段识别模型的训练方法及糖网病变识别设备-CN201910949301.1有效
发明人：龚丽君;马锴;郑冶枫 -专利权人：腾讯医疗健康（深圳）有限公司
申请日： 2019-10-08 - 公布日： 2023-09-12 - 主分类号： G16H50/20 文献下载
摘要：本申请公开了一种糖网病变识别糖网病变阶段识别模型的训练方法及糖网病变识别设备，所述糖网病变识别设备包括：目标眼底图像获取装置，用于获取目标眼底图像；特征提取装置，用于利用糖网病变阶段识别模型中的特征提取层提取目标眼底图像的目标特征信息；糖网病变阶段识别装置，用于利用糖网病变阶段识别模型中的全连接层对目标特征信息进行多种糖网病变阶段的识别，得到目标眼底图像的糖网病变阶段的识别结果，糖网病变阶段的识别结果包括目标眼底图像对应目标对象是否达到多种糖网病变阶段的识别结果；目标糖网病变阶段确定装置，用于基于识别结果确定目标对象的目标糖网病变阶段。利用本申请提供的技术方案可以大大提高糖网病变的识别准确率。
病变阶段识别模型训练方法设备

[发明专利]一种乳腺病变检测方法和装置-CN201911201347.1在审
发明人：鄢照龙;孙瑞超;王永贞;李勇;陈晶 -专利权人：深圳蓝韵医学影像有限公司
申请日： 2019-11-29 - 公布日： 2020-05-08 - 主分类号： G06T7/00 文献下载
摘要：本发明实施例提供了一种乳腺病变检测方法和装置，所述方法包括：利用人工神经网络的自学习能力，建立乳腺图像的图像特征与乳腺病变区域之间的对应关系；获取当前乳腺图像的当前图像特征；通过所述对应关系，确定与所述当前图像特征对应的当前乳腺病变区域；确定与所述当前图像特征对应的当前乳腺病变区域，包括：将所述对应关系中与所述当前图像特征相同的图像特征对应的乳腺病变区域，确定为当前乳腺病变区域。该方法能够提高对乳腺病变，如乳腺肿块，判断的准确度，改善用户体验效果。
一种乳腺病变检测方法装置

[发明专利]一种基于血管特征的多层次递阶结构式分型方法-CN202310437404.6在审
发明人：吕江 -专利权人：江苏金马扬名信息技术股份有限公司
申请日： 2023-04-23 - 公布日： 2023-07-18 - 主分类号： G16H50/50 文献下载
摘要：本发明涉及计算机辅助设计领域，具体为一种基于血管特征的多层次递阶结构式分型方法，其包括以下步骤：S1、基于血管异常特征构建分叉病变的层次化分型；S2、提取血管分叉病变特征；具体包括如下步骤：S2a、获取待处理分叉血管轮廓数据，提取血管分叉病变特征，所提取的特征包括血管直径、血管狭窄程度及狭窄长度、血管夹角；S2b、将分叉血管分段，建立马尔可夫决策对血管特征参数数据筛选；S3、选择有效特征识别分叉病变类型。本发明能够直观表达血管病变特征，辅助医生进行血管分叉病变类型的诊断，对分叉病变介入治疗策略的确定具有重要意义。
一种基于血管特征多层次结构式方法

[发明专利]图像评估方法及装置、可读存储介质及电子设备-CN202211700041.2在审
发明人：于朋鑫;陈修远;王俊;赵恒;洪楠;孙超;王大为;陈宽;王少康 -专利权人：推想医疗科技股份有限公司;北京大学人民医院
申请日： 2022-12-28 - 公布日： 2023-04-04 - 主分类号： G06T7/00 文献下载
摘要：该图像评估方法包括：确定包括病变区域的待评估医学影像；确定病变区域对应的多个视角位置；基于病变区域对应的多个视角位置，确定病变区域对应的多个点云特征和多个影像组学特征，其中，点云特征用于表征病变外形信息，影像组学特征用于表征病变及病变周围解剖组织的纹理信息；基于多个点云特征和多个影像组学特征，确定待评估医学影像对应的评估结果，将点云特征进一步结合影像组学特征，有利于从不同的角度和层次评估图像，综合多角度信息
图像评估方法装置可读存储介质电子设备

[发明专利]一种用于糖尿病视网膜病变分级装置-CN202211728467.9在审
发明人：李峰;唐仕清;陈宇洋;刘碧珊;王昶茹 -专利权人：上海理工大学;上海机器人产业技术研究院有限公司
申请日： 2022-12-30 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种用于糖尿病视网膜病变分级装置，包括：接收模块，用于接收视网膜眼底图像；分级模块，用于将视网膜眼底图像输入至深度注意力卷积神经网络中实现糖尿病视网膜病变进行分级；其中，深度注意力卷积神经网络包括：特征提取主干网络模块，用于得到高等级的全局语义特征图；随机空洞空间卷积池化金字塔模块，用于得到多尺度病变特征图；全局注意力模块，用于生成通道以及空间级的全局注意力特征图；类注意力模块，用于得到病变特征信息图；可学习的连接模块，用于产生完整的细粒度病变特征图；全连接模块，用于根据细粒度病变特征图预测对应的糖尿病视网膜病变等级。本发明能够提升糖尿病视网膜病变分级的性能和相应病变的定位能力。
一种用于糖尿病视网膜病变分级装置

[发明专利]一种皮肤病变图像分割方法、系统、设备及存储介质-CN202210751558.8在审
发明人：李澄非;邱世汉;冯跃;梁辉杰;徐傲;梁淑芬;秦传波 -专利权人：五邑大学
申请日： 2022-06-29 - 公布日： 2022-08-30 - 主分类号： G06T7/00 文献下载
摘要：本申请实施例公开了一种皮肤病变图像分割方法、系统、设备及存储介质，首先提取皮肤病变图像的多层次特征的上下文信息；然后通过门控融合解码器从多层次特征的上下文信息中自适应选择互补信息，并通过加法和门控机制将多层次特征的上下文信息进行融合，得到初始引导特征图；然后通过形状引导流模块逐步挖掘特征图中的病变边界并突出病变区域的形状，解决边界模糊问题；最后将形状引导流模块输出的最终引导特征图和皮肤病变图像的浅层特征进行门控卷积融合得到最终输出本发明能够很好地解决皮肤病变图像中的病变区域大小不同和不规则导致目标定位不准确的问题以及病变区域与背景之间的模糊性等问题。
一种皮肤病变图像分割方法系统设备存储介质

[发明专利]胶囊内窥镜图像的分类方法、装置、设备及介质-CN201910700990.2在审
发明人：张贺晔;李吉平;吴万庆 -专利权人：中山大学
申请日： 2019-07-31 - 公布日： 2019-11-05 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种胶囊内窥镜图像的分类方法，所述方法涉及对胶囊内窥镜图像进行病变图像或非病变图像的区分，包括：利用人工神经网络的自学习能力，建立胶囊内窥镜图像中的图像特征与病变图像之间的对应关系；获取患者的当前胶囊内窥镜图像的当前图像特征；通过所述对应关系，确定与所述当前图像特征对应的当前病变图像；具体地，确定与所述图像特征对应的当前病变图像，包括：将所述对应关系中与所述当前图像特征相同的图像特征所对应的病变图像，确定为所述当前病变图像
病变图像胶囊内窥镜图像特征图像分类人工神经网络图像分类能力强自学习申请

[发明专利]一种模型训练方法、装置、存储介质及电子设备-CN202310761866.3在审
发明人：石峰;曹泽红;隗英;周翔 -专利权人：上海联影智能医疗科技有限公司
申请日： 2023-06-26 - 公布日： 2023-10-03 - 主分类号： G06V10/774 文献下载
摘要：在本说明书提供地模型训练方法中，获取样本医学图像，所述样本医学图像包含处于不同生长阶段的病变组织；根据各样本医学图像中，处于不同生长阶段的病变组织之间的差异，确定标注转移特征；将所述样本医学图像输入待训练的病变发展预测模型中，通过所述病变发展预测模型中的提取层，提取所述样本医学图像的图像特征；通过所述病变发展预测模型中的输出层，根据所述图像特征输出所述病变组织的预测转移特征；以所述预测转移特征与所述标注转移特征之间的差异最小为优化目标，对所述病变发展预测模型进行训练。
一种模型训练方法装置存储介质电子设备

[发明专利]一种磁共振图像选择定位的方法及装置-CN201510422674.5有效
发明人：杨学东;王霄英 -专利权人：北京大学第一医院
申请日： 2015-07-17 - 公布日： 2019-05-24 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种磁共振图像选择定位的方法及装置，涉及医学影像技术领域，其方法包括以下步骤：将感兴趣病变区域放置到各采样期磁共振图像中；通过对一个采样期磁共振图像的感兴趣病变区域中的病变特征进行处理，得到病变匹配模板；从多个采样期磁共振图像的感兴趣病变区中提取病变特征，利用所得到的病变匹配模板和所提取的病变特征，确定用于匹配定位的病变匹配代价函数；利用所述病变匹配代价函数，对所述多个采样期磁共振图像进行选择定位。本发明对于选定感兴趣区域内的病变，通过病变检测灵活确定匹配模板，能有效提高疾病的诊断准确率，不仅可应用于腹部疾病诊断的选择定位，也可应用于胸部等其他部位疾病的选择定位。
一种磁共振图像选择定位方法装置

[发明专利]糖尿病视网膜病变的特征分类方法、系统、设备及介质-CN202210829958.6在审
发明人：夏卓群;江其盛;胡航宇 -专利权人：长沙理工大学
申请日： 2022-07-15 - 公布日： 2023-01-24 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种糖尿病视网膜病变的特征分类方法、系统、设备及介质，其中方法包括：获取糖尿病视网膜的病变图像；将病变图像分别输入至预设的通道注意力网络和预设的空间注意力网络中，得到通道注意力网络输出的第一特征图和空间注意力网络输出的第二特征图；融合第一特征图和第二特征图，得到第三特征图；将第三特征图输入至胶囊网络，得到胶囊网络的输出结果；将输出结果输入至预设的分类器中，得到分类器输出的病变图像的分类结果。能够提高对糖尿病视网膜的病变图像分类的准确度和分类效率，能够更好地应对糖尿病视网膜的病变图像差异大和糖尿病视网膜的病变图像数据量大所带来的问题。
糖尿病视网膜病变特征分类方法系统设备介质

[发明专利]基于切片病灶检测的糖尿病性视网膜病变等级分类装置-CN202210452554.X在审
发明人：张宸;刘跃;董少奇;张长胜;张斌 -专利权人：东北大学
申请日： 2022-04-27 - 公布日： 2022-07-26 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于切片病灶检测的糖尿病性视网膜病变等级分类装置，涉及医学图像处理技术领域。该装置对彩色眼底图像进行切片病灶检测，获取病灶特征；将切片病灶检测获取的病灶特征与对应的病变等级标注数据进行组合，对糖尿病性视网膜病变等级分类模型进行训练，得出彩色眼底图像的病灶特征数据与糖尿病性视网膜病变等级之间的映射关系；通过训练后的糖尿病性视网膜病变等级分类模型对糖尿病性视网膜病变等级进行分类；该装置学习病灶特征与病变等级之间的映射关系，有效提高了糖尿病性视网膜病变等级判定的准确率，对糖尿病性视网膜病变等级的判定有重要应用价值
基于切片病灶检测糖尿病视网膜病变等级分类装置

[发明专利]病变细胞图像分割方法、装置、设备及存储介质-CN202310851591.2在审
发明人：侯艳 -专利权人：北京大学
申请日： 2023-07-12 - 公布日： 2023-08-15 - 主分类号： G06T7/12 文献下载
摘要：本发明涉及图像分割技术领域，公开了一种病变细胞图像分割方法、装置、设备及存储介质，该方法包括：增强高斯降噪处理后病变细胞图像的对比度，获得待分割病变细胞图像；根据待分割病变细胞图像的轮廓信息绘制待分割病变细胞图像的对比度曲线，并根据对比度曲线提取待分割病变细胞图像的轮廓特征点；根据轮廓特征点确定轮廓特征点的分割率，并根据分割率确定待分割病变细胞图像的分割点；根据分割点对待分割病变细胞图像进行边缘检测，并根据检测结果确定连通域；对连通域的连通阈值进行叠加，获得分割的病变细胞图像。本发明根据轮廓特征点、分割率和分割点等对细胞图像进行分割从而解决图像中细胞重叠和粘连等问题，提高图像分割的精确度。
病变细胞图像分割方法装置设备存储介质

[发明专利]基于轻量级孪生卷积神经网络的病识别方法-CN202011588757.9在审
发明人：丁坤;徐劲松;高云峰;曹雏清 -专利权人：哈尔滨工业大学芜湖机器人产业技术研究院
申请日： 2020-12-29 - 公布日： 2021-04-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于轻量级孪生卷积神经网络的病识别方法，包括如下步骤：构建细粒度病变特征联合训练模型，包括数据生成器，数据生成器与特征提取器连接，特征提取器与孪生卷积神经网络连接，孪生卷积神经网络与特征判别网络连接；对细粒度病变特征联合训练模型进行训练，基于损失函数值最小的细粒度病变特征联合训练模型生成细粒度病变特征识别模型；将待识别图像输入细粒度病变特征识别模型中，输出对应的皮肤病类别。基于孪生卷积神经网络进行正负样本联合训练的方法，模型可以提取到更具判别性的特征，有效缓解了原始数据集中病变图像特征存在类间差异小，类内差异大情况，增强了模型的特征判别能力。
基于轻量级孪生卷积神经网络识别方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条