专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果57870个,建议您升级VIP下载更多相关专利
  • [发明专利]一种18F-FDG PET/CT检查去除胃内的方法-CN202110219743.8有效
  • 陆皓;陈世容;肖定琼;赵檬;杨童舒 - 四川省肿瘤医院
  • 2021-02-26 - 2023-04-11 - A61B6/00
  • 本发明公开了一种18F‑FDG PET/CT检查去除胃内的方法,包括以下步骤:被检查者采用具有刻度标志的量杯,将造影剂药物放置于量杯内;将量杯内倒入温水,水面至规定所需饮入容量的3/4处;晃动量杯,使造影剂药物溶解;在进行PET/CT检查之前等待休息,在休息时间内喝完量杯内的溶液;然后将量杯内倒入温水,温水容量为规定所需饮入容量的1/4;待语音播报该检查者准备检查时,将量杯内的温水喝完。其有益效果是:在保证造影剂有效标志作用的前提下,消除由造影剂浓度过高造成的,提高检查的准确性,为疾病的正确诊断提高依据。
  • 一种18fdgpetct检查去除胃内伪影方法
  • [发明专利]基于深度学习的心脏磁共振电影成像抑制方法和系统-CN202310369531.7在审
  • 胡晨曦;陈卓 - 上海交通大学
  • 2023-04-07 - 2023-06-23 - G06T7/00
  • 本发明提供了一种基于深度学习的心脏磁共振电影成像抑制方法和系统,包括:采集有黑带或血流的心脏磁共振电影图像并进行预处理,进行图像联合计算获得无图像;构建深度学习模型,模型中的抑制网络的输入为有黑带或血流的心脏电影图像,输出为黑带或血流抑制后的心脏电影图像;利用预处理后的有图像和无图像对深度学习模型进行网络训练,直至抑制网络的参数达到目标条件,得到训练后的深度学习模型并进行保存;将待消除黑带或血流的心脏电影图像进行消除,得到消除后的心脏电影图像。本发明克服了传统相位循环方法易引入血流的局限性,同时对黑带和血流进行抑制。
  • 基于深度学习心脏磁共振电影成像抑制方法系统
  • [发明专利]错位识别策略确定方法、错位识别方法及装置-CN202210345229.3在审
  • 黄星胜;马骏;郑凌霄;兰宏志 - 深圳睿心智能医疗科技有限公司
  • 2022-03-31 - 2022-08-09 - G06T11/00
  • 本发明实施例公开了错位识别策略确定方法、错位识别方法及装置。通过预先设置多个图像截取参数组合,基于每一图像截取参数组合分别训练得到对应的错位识别模型,基于错位验证样本对各错位识别模型进行错位识别准确率的验证,并基于得到的错位识别准确率筛选目标错位识别模型,该目标错位识别模型与对应的图像截取参数组合形成错位识别策略。错位识别精度的影响因素:窗口尺寸、步长和错位识别模型,形成错位识别策略整体通过错位识别准确率的筛选得到,因此上述各因素均满足错位识别准确率的要求,有利于保证对待处理的医学断层图像进行错位识别的精度
  • 错位识别策略确定方法装置
  • [发明专利]一种磁共振平面回波成像仿真方法及系统-CN202211276165.2有效
  • 张瑜;王志超;孙超良;张欢;钱浩天;张军阳 - 之江实验室
  • 2022-10-19 - 2023-03-03 - G06T11/00
  • 本发明公开了一种磁共振平面回波成像仿真方法及系统,首先,对于K空间,通过正常磁共振影像还原K空间数据,针对性地对K空间数据进行修改,然后重建出带有的影像;对于磁化率,通过正常磁共振影像构建磁化率模型,重建磁场分布,然后重建出带有畸变的影像。本发明可通过少量的正常影像快速创建大量不同类型、程度的数据集,为鉴别、消除或减弱的研究打下基础。相比于其他图像域仿真方法,本发明根据EPI序列产生的原理设计了仿真算法,所得到的条纹、莫尔、奈奎斯特、磁化率等图像具有良好的科学性、准确性与可解释性。
  • 一种磁共振平面回波成像仿真方法系统
  • [发明专利]一种星图模拟中的迭代处理方法-CN202310460320.4在审
  • 亢瑞卿;葛条 - 北京开运联合信息技术集团股份有限公司
  • 2023-04-26 - 2023-08-15 - G06T5/00
  • 本发明公开了一种星图模拟中的迭代处理方法,包括步骤:获取带有的星图模拟图像帧,从图像帧中切分出一个或多个带压缩图块,并保留切除压缩图块的图像帧;构建图像去噪及去模型,并通过该去噪及去模型对每一个带压缩图块执行去噪、去操作,以得到去压缩图块;将切除压缩图块的图像帧与去压缩图块进行拼接,以获得去噪去图像帧。基于本方案的处理措施,其能解决图像中存在的振铃、过度锐利等情况,避免出现星空目标下提取不准确的情况。
  • 一种星图模拟中伪影处理方法
  • [发明专利]基于目标检测和深度强化学习的去方法和系统-CN202111354794.8在审
  • 史国杰;曹靖城;吕超;王猛德 - 天翼数字生活科技有限公司
  • 2021-11-16 - 2022-08-16 - G06T7/11
  • 本发明提供了一种基于目标检测和深度强化学习的去方法。该方法包括:检测经压缩视频帧中的;响应于检测到一个或多个,从所述经压缩视频帧中切分出分别带有检测到的一个或多个中的一者的带压缩图块;对每一个所述带压缩图块执行去操作,以得到去压缩图块;以及将所述经压缩视频帧经切分出带压缩图块后的不带部分与所述去压缩图块进行拼接,以获得去经压缩视频帧。该方法使用目标检测技术检测在图像中的位置,使用强化学习技术自动且实时地感知经压缩视频帧中所含的类型,并且为经压缩视频帧中的不同类型分配最优的深度去模型。
  • 基于目标检测深度强化学习去伪影方法系统
  • [发明专利]基于U-net结构的图像检测与自动去除方法-CN202010390900.7有效
  • 谢军伟;罗鸣;童同;高钦泉 - 福建帝视科技集团有限公司
  • 2020-05-11 - 2023-07-07 - G06T5/00
  • 本发明涉及一种基于U‑net结构的图像检测与自动去除方法,包括以下步骤:步骤S1:构建待去高清图像数据集,并进行预处理,得到训练数据集;步骤S2:将训练数据集中的图像,进行随机裁剪;步骤S3:构建检测网络,并根据高清图像数据集获取图像的掩码;步骤S4:基于U‑net结构神经网络,构建去网络模型;步骤S5:根据训练数据集和图像的掩码训练去网络模型,得到训练后的去网络模型;步骤S6:将待去图像分别输入训练后的检测网络和去网络模型,去网络模型根据待去图像和图像的掩码,得到去影后的图像。本发明能自动检测和去除图像中存在的JPEG
  • 基于net结构图像检测自动去除方法
  • [发明专利]医学图像处理方法、装置及医学成像设备-CN202310791751.9在审
  • 张迪 - 北京东软医疗设备有限公司
  • 2023-06-29 - 2023-10-13 - G06T5/00
  • 当初始医学图像序列中存在环形时,获取初始医学图像序列中环形的半径,可以根据环形的半径,在初始医学图像序列包括的多张切片图像中确定切片图像序列,从切片图像序列包括的目标切片图像中消除环形,得到不存在环形的目标医学图像序列。通过在初始医学图像序列包括的多张切片图像中自动识别出切片图像序列,并从切片图像序列中消除环形,实现切片图像环形消除的自动化,提升图像质量与真实性。进一步地,通过根据环形的半径自动识别出切片图像序列,可以提高环形的去除效率。
  • 医学图像处理方法装置成像设备
  • [发明专利]一种医学图像去除方法-CN202210900405.5在审
  • 晁震;宿锐 - 晁震
  • 2022-07-28 - 2022-10-25 - G06T5/00
  • 本发明涉及一种医学图像去除方法,其包括将具有环状的图像转换为第一直线性图像;将第一直线性图像通过平滑处理得到第二直线性图像;将第二直线性图像与第一直线性图像相减,得到高对比度图像;将高对比度图像通过径向基神经网络得到去除后的图像;将去除后的图像通过逆极坐标变换得到无环图像。本发明通过极坐标变换将环状转换为线性,再通过平滑操作准确定位环状,通过自适应梯度下降算法和重力搜索算法的结合对神经网络进行训练,精确提取和学习源信息,不仅可以更多地保留源图像的细节信息,而且可以保证影像中环状去除的效果,还原出高度真实去除的图像。
  • 一种医学图像去除方法
  • [发明专利]CT图像去金属以及模型训练的方法和装置-CN202111460697.7有效
  • 张逸凌;刘星宇 - 北京长木谷医疗科技有限公司;张逸凌
  • 2021-12-01 - 2022-09-16 - G06T11/00
  • 本申请公开了一种CT图像去金属以及模型训练的方法和装置。该方法包括:根据关节的位置生成不包含金属的关节假体的CT原图像集;根据CT原图像集生成包含金属的关节假体的带CT图像集;利用去算法对所述带CT图像集进行金属去除处理,生成至少两个不包含金属的去CT图像集;将所述带CT图像集以及所述至少两个去CT图像集作为训练样本输入初始神经网络模型,通过调整所述初始神经网络模型中的模型参数,直至所述初始神经网络模型训练成功。本申请对神经网络模型进行训练时,因为采用了有金属和无金属的CT图像进行训练,所以模型的鲁棒性比较高,可以提高模型去的效果。
  • ct图像金属以及模型训练方法装置
  • [发明专利]一种的校正方法、校正系数的仿真方法及装置-CN201910611576.4有效
  • 逄岭;程度 - 东软医疗系统股份有限公司
  • 2019-07-08 - 2023-04-25 - G06T11/00
  • 本发明实施例公开了一种的校正方法、校正系数的仿真方法及装置。利用预设的系数对金属穿刺过程中采集的实际CT图像进行校正,无需在金属穿刺过程中进行大量的计算和处理,大大的减少了校正的计算量,提高了的校正效率;而且,通过预先经过大量仿真得到的多个专门用于校正的系数,对包括的CT图像进行的校正,可以有效的避免对整个CT图像进行图像处理消除时存在校正的效果不够理想的问题,提高了校正的准确性。另外,通过校正系数的仿真方法,为在金属穿刺过程中对含CT图像进行快速、准确的校正提供了数据基础,以便利用该CT图像准确的引导金属穿刺,确保金属穿刺的治疗效果。
  • 一种校正方法系数仿真装置

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top