-
公开(公告)号：CN114943699A
公开(公告)日：2022-08-26
申请号：CN202210532763.5
申请日：2022-05-16
Applicant: 北京医准智能科技有限公司
Abstract: 本发明公开了一种冠脉钙化斑块的分割模型的训练方法及装置、冠脉钙化斑块的分割方法及装置，其中所述训练方法包括：获取目标训练图像，所述目标训练图像为包括心脏区域的非对比增强心电门控钙化积分电子计算机断层扫描CSCT图像；所述心脏区域包括多个冠脉分支；获取针对所述目标训练图像的位置编码图像，所述位置编码图像至少表征所述目标训练图像中各冠脉分支间的相对位置；基于所述目标训练图像和所述位置编码图像，对分割模型进行训练；其中，训练完成的分割模型用于对待分割CSCT图像中的所述多个冠脉分支中的各冠脉分支的钙化斑块区域进行分割。
-
公开(公告)号：CN114937184A
公开(公告)日：2022-08-23
申请号：CN202210553621.7
申请日：2022-05-19
Applicant: 北京医准智能科技有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06T7/73 , G06T7/66 , G06T7/10 , G06T7/00 , G06T5/30 , G06T5/00 , G06N3/08
Abstract: 本公开提供了一种心脏冠脉血管命名模型的训练方法、装置及电子设备，包括：获取第一样本图像的血管中线点的三维坐标集合；基于所述三维坐标集合，确认第一样本图像的每一个血管中线点的分叉属性、所属血管段的编号、血管走形以及在心脏中的相对位置中至少之一；将第一样本图像的每一个血管中线点的上述特征输入至所述模型包括的特征融合模块中，确定特征融合模块的输出为每一个血管中线点对应的辅助特征；将三维坐标集合，和每一个血管中线点对应的辅助特征输入至所述模型包括的分类模块中，获得第一样本图像中每一个血管中线点对应的血管段的预测名称；基于第一样本图像包括的血管段的标注名称和血管段的预测名称，调整所述模型的参数。
-
公开(公告)号：CN114842239A
公开(公告)日：2022-08-02
申请号：CN202210350880.X
申请日：2022-04-02
Applicant: 北京医准智能科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/40 , G06V10/74 , G06N3/04 , G06N3/08 , G06T7/00 , G16H50/20
Abstract: 本公开提供了一种基于超声视频的乳腺病灶属性预测方法及装置，包括获取乳腺的多个超声视频和多张图片，以及各自对应的属性信息；根据超声视频的属性信息和图片的属性信息，计算超声视频和图片的相似度，选取相似度最强的多组超声视频和图片；针对选取的每组超声视频和图片，将该组中的图片与超声视频进行融合，得到相应的融合超声视频；构建样本集，样本集包括所有融合超声视频，根据样本集对初始模型进行训练，得到预测模型；获取目标超声视频，通过预测模型对所目标超声视频进行预测，确定目标超声视频对应的乳腺病灶的属性。
-
公开(公告)号：CN113781439B
公开(公告)日：2022-07-29
申请号：CN202111065625.2
申请日：2020-11-25
Applicant: 北京医准智能科技有限公司 , 广西医准智能科技有限公司
Abstract: 本申请提供了一种超声视频病灶分割方法及装置；所述方法包括：从超声影像中获取病灶的图像；利用空洞卷积网络对所述病灶的图像进行特征提取，得到病灶的图像的特征图；基于金字塔池化模块获取所述病灶的图像的特征图的语境信息，得到金字塔特征图；基于所述金字塔特征图和所述病灶的图像的特征图，将所述病灶的图像从所述超声影像中分割。
-
公开(公告)号：CN114677536A
公开(公告)日：2022-06-28
申请号：CN202210197831.7
申请日：2022-03-02
Applicant: 北京医准智能科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于Transformer结构的预训练方法及装置，该方法先获取目标对象的图像和视频；针对图像和视频中任一分割区域：将分割区域的特征符号作为分割区域的标签；分别对图像的部分分割区域和视频的部分分割区域进行掩膜处理得到第一训练样本和第二训练样本；基于Transformer结构对第一训练样本中掩膜区域的特征符号进行有监督预测学习得到初始模型；之后基于初始模型初始化预训练模型得到初始预训练模型；最后利用初始预训练模型对第一训练样本和第二训练样本中进行有监督联合训练得到最终预训练模型。由此，使得模型同时学习到视频数据的空间特征和时间特征，进而为下游任务提供了很好的预训练模型。
-
Patent Agency Ranking
公开(公告)号：CN113570616B
公开(公告)日：2022-05-13
申请号：CN202110645965.6
申请日：2021-06-10
Applicant: 北京医准智能科技有限公司
IPC: G06T7/11 , G06T7/136 , G06T7/62 , G06K9/62 , G06V10/762
Abstract: 本申请提供了一种图像处理方法、装置、电子设备及计算机可读存储介质；所述方法包括：确定目标数字化X射线(DR)图像中肢体的数量；在所述肢体的数量大于第一阈值的情况下，基于表征所述肢体的方位的标识对应的轮廓线确定所述肢体的方位；对所述目标DR图像中的肢体图像进行分离，基于所述肢体的方位确定目标肢体图像。本申请实施例能够减少DR图像中多个肢体图像的分割所需的时间，简化处理过程。
-
-
公开(公告)号：CN113781440A
公开(公告)日：2021-12-10
申请号：CN202111065766.4
申请日：2020-11-25
Applicant: 北京医准智能科技有限公司 , 广西医准智能科技有限公司
Abstract: 本申请提供了一种超声视频病灶检测方法及装置；所述方法包括：利用特征金字塔网络对采集的超声影像进行特征提取，得到所述超声影像对应的特征矩阵；利用可变形卷积网络确定所述特征矩阵对应的特征偏移；基于所述特征偏移和所述特征矩阵，确定新的特征矩阵；基于所述新的特征矩阵确定所述超声影像对应的病灶信息。
-
公开(公告)号：CN112767346B
公开(公告)日：2021-10-29
申请号：CN202110060410.5
申请日：2021-01-18
Applicant: 北京医准智能科技有限公司 , 广西医准智能科技有限公司
Abstract: 针对现有的乳腺病灶检测算法不能很好结合双侧乳腺信息，不能同时满足包括肿块、钙化等多病种识别检出以及在不对称致密型腺体上表现效果一般的情况，本发明提出了融合多影像信息的全卷积单阶段乳腺X线影像病灶检测方法。采用不基于anchor的方法来进行病灶检测，从原始影像中抽取不同尺度的特征，将不同尺度的特征进行融合，以及将不同影像的信息进行融合，最后直接预测特征图上某一点是否对应一个病灶以及病灶的具体位置。
-
公开(公告)号：CN112446862B
公开(公告)日：2021-08-10
申请号：CN202011333447.2
申请日：2020-11-25
Applicant: 北京医准智能科技有限公司 , 广西医准智能科技有限公司
Abstract: 本发明公开了一种基于人工智能的动态乳腺超声视频全病灶实时检测和分割系统。该系统至少包含该系统至少包含一台超声机、和AI服务器。其中AI服务器中设置有基于AI的动态乳腺超声视频检测和分割装置，该装置至少包含(1)系统鲁棒性设计模块、(2)数据预处理模块、(3)数据扩增模块、(4)病灶检测模块、以及(5)病灶分割模块。本发明的系统可以在不改动超声机以及现有诊断流程的前提下，实现对动态乳腺超声视频影像涉及的所有病灶进行自动实时检测，并对检测出的病灶进行智能分割和测量，在提高效率和准确率的同时，能够有效的帮助医生减少漏诊。
-
-
-
-
-
-
-
-
-
Search Results
203
records
(took 0.067 seconds)
