-
公开(公告)号：CN111915576B
公开(公告)日：2024-10-15
申请号：CN202010681303.X
申请日：2020-07-15
Applicant: 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
IPC: G06T7/00 , G06T7/11 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种循环残差乳腺X射线良恶性诊断学习方法及装置，其中方法包括：获取乳腺X射线原始目标图像，对乳腺X射线原始目标图像进行预处理，得到原始图像信息；基于预训练模型提取原始图像信息的特征，得到双侧图像特征；利用循环残差网络模型结合双侧图像特征生成目标图像的健康特征；将生成的目标图像的健康特征与原始目标图像的特征同时作为分类器的输入进行学习。提供了基于对称性的模型有效的将双侧信息结合起来，从而提高仅利用病理标注的基于全图的X射线良恶性诊断的准确率。
-
公开(公告)号：CN111415332B
公开(公告)日：2023-10-24
申请号：CN202010147360.X
申请日：2020-03-05
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
Abstract: 本申请实施例提供了一种乳腺X射线影像联动方法和装置，解决了现有影像分析方式导致医生阅片工作量大的问题。该乳腺X射线影像联动方法包括：将分别放置于两个矩形配准窗口中两个乳腺X射线影像分别进行位置配准，其中，所述两个乳腺X射线影像分别对应左乳和右乳；获取位置配准后的所述两个乳腺X射线影像的缩放比例的比值；以及根据对一个所述乳腺X射线影像的第一操作动作以及所述缩放比例的比值，获取并执行对另一个所述乳腺X射线影像的第二操作动作。
-
公开(公告)号：CN111415741B
公开(公告)日：2023-09-26
申请号：CN202010147323.9
申请日：2020-03-05
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC: G16H50/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本申请实施例提供了一种基于隐式表观学习的乳腺X射线影像分类模型训练方法和装置，解决了现有乳腺X射线影像分析方式不能充分利用表观特征而导致准确率低的问题。该基于隐式表观学习的乳腺X射线影像分类模型训练方法包括：基于预训练的特征提取模型提取乳腺X射线影像中的多个类型的病灶特征；分别对所述多个类型的病灶特征进行特征抽象建模以获取多个隐式表观特征描述信息；基于所述多个隐式表观特征描述信息获取用于表征所述多个类型的病灶特征之间关联关系的联合隐式表观特征；将所述联合隐式表观特征输入神经网络模型以获取预测分析结果；以及基于所述预测分析结果计算损失函数取值，并基于所述损失函数取值调整所述神经网络模型的参数。
-
公开(公告)号：CN113470048B
公开(公告)日：2023-04-25
申请号：CN202110763842.2
申请日：2021-07-06
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
Abstract: 本申请提供了一种场景分割方法，该方法包括：当获取到待分割的目标图像后，生成该目标图像的第一强化场景特征，其中，该第一强化场景特征中携带了目标图像中的各个图像类别之间的关联关系，然后，根据目标图像的第一强化场景特征，对目标图像进行场景分割。可见，本申请在对目标图像进行场景分割时，考虑了目标图像中各个类别之间的关联关系，因此，可以有效提升场景分割结果的准确性。本申请还提供了一种场景分割装置、设备及计算机可读存储介质。
-
公开(公告)号：CN112270298B
公开(公告)日：2023-04-25
申请号：CN202011277827.9
申请日：2020-11-16
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC: G06V20/56 , G06V10/26 , G06V10/774
Abstract: 本申请提供了一种道路异常识别的方法及装置、设备及计算机可读存储介质，包括：获取视觉图像，获取视觉图像中包括的道路区域的图像，将道路区域的图像输入预先训练的重构网络，使重构网络基于识别道路区域的图像中包括的正常道路区域，对道路区域的图像进行重构，得到道路区域的图像的重构图像，因为重构图像中，正常道路区域的重构残差小于异常道路区域的重构残差，所以将重构图像与道路区域的图像进行残差对比计算，可依据得到的残差图像确定出异常道路区域。整个识别过程，只需识别出正常道路区域后，通过重构图像即可得到所有的异常道路区域，因此，本申请提供的方案可以提高识别异常道路的准确度。
-
Patent Agency Ranking
公开(公告)号：CN112270298A
公开(公告)日：2021-01-26
申请号：CN202011277827.9
申请日：2020-11-16
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
Abstract: 本申请提供了一种道路异常识别的方法及装置、设备及计算机可读存储介质，包括：获取视觉图像，获取视觉图像中包括的道路区域的图像，将道路区域的图像输入预先训练的重构网络，使重构网络基于识别道路区域的图像中包括的正常道路区域，对道路区域的图像进行重构，得到道路区域的图像的重构图像，因为重构图像中，正常道路区域的重构残差小于异常道路区域的重构残差，所以将重构图像与道路区域的图像进行残差对比计算，可依据得到的残差图像确定出异常道路区域。整个识别过程，只需识别出正常道路区域后，通过重构图像即可得到所有的异常道路区域，因此，本申请提供的方案可以提高识别异常道路的准确度。
-
公开(公告)号：CN107292884B
公开(公告)日：2020-09-29
申请号：CN201710666846.2
申请日：2017-08-07
Applicant: 杭州深睿博联科技有限公司 , 北京深睿博联科技有限责任公司
Abstract: 本发明公开了一种识别MRI图像中识别水肿和血肿的方法及装置，先通过预设的第一机器学习模型识别待识别的MRI图像中的肿块区域，其中预设的第一机器学习模型是通过已标注肿块区域的MRI图像训练后得到的。然后，再通过预设的第二机器学习模型识别该肿块区域中的血肿区域和水肿区域，其中，预设的第二机器学习模型是通过标注了血肿区域和水肿区域的MRI图像训练后得到的，并可以计算出血肿区域和水肿区域的体积大小、扩张方向和最大径。通过本实施例的方法，不仅可以自动、高效的识别出血肿和水肿，还可以自动的计算出血肿区域和水肿区域的体积大小、扩张方向和最大径，进而帮助医生对病情进行更准确的判断。
-
公开(公告)号：CN111415332A
公开(公告)日：2020-07-14
申请号：CN202010147360.X
申请日：2020-03-05
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
Abstract: 本申请实施例提供了一种乳腺X射线影像联动方法和装置，解决了现有影像分析方式导致医生阅片工作量大的问题。该乳腺X射线影像联动方法包括：将分别放置于两个矩形配准窗口中两个乳腺X射线影像分别进行位置配准，其中，所述两个乳腺X射线影像分别对应左乳和右乳；获取位置配准后的所述两个乳腺X射线影像的缩放比例的比值；以及根据对一个所述乳腺X射线影像的第一操作动作以及所述缩放比例的比值，获取并执行对另一个所述乳腺X射线影像的第二操作动作。
-
公开(公告)号：CN111429406B
公开(公告)日：2023-10-27
申请号：CN202010147839.3
申请日：2020-03-05
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
IPC: G06T7/00 , G06T7/13 , G06T7/73 , G06T5/50 , G06N3/0464
Abstract: 本申请实施例提供了一种乳腺X射线影像分析方法和装置，解决了现有乳腺X射线影像分析方式无法充分利用不同投照体位的乳腺X射线影像进行分析的问题。该乳腺X射线影像分析方法包括：对分别对应轴位和内侧斜位的第一乳腺X射线影像和第二乳腺X射线影像进行区域划分；在所述第一乳腺X射线影像和所述第二乳腺X射线影像中的每个区域，分别找到对应的同时满足几何约束和语义约束的特征区域；在所述第一乳腺X射线影像和所述第二乳腺X射线影像中的同时满足几何约束和语义约束的特征区域进行推理，得到骨干网络的增强特征；以及将特征增强后的所述第一乳腺X射线影像和/或所述第二乳腺X射线影像输入病灶检测神经网络模型，以获取分析结果。
-
公开(公告)号：CN111429406A
公开(公告)日：2020-07-17
申请号：CN202010147839.3
申请日：2020-03-05
Applicant: 北京深睿博联科技有限责任公司 , 杭州深睿博联科技有限公司
Abstract: 本申请实施例提供了一种乳腺X射线影像分析方法和装置，解决了现有乳腺X射线影像分析方式无法充分利用不同投照体位的乳腺X射线影像进行分析的问题。该乳腺X射线影像分析方法包括：对分别对应轴位和内侧斜位的第一乳腺X射线影像和第二乳腺X射线影像进行区域划分；在所述第一乳腺X射线影像和所述第二乳腺X射线影像中的每个区域，分别找到对应的同时满足几何约束和语义约束的特征区域；在所述第一乳腺X射线影像和所述第二乳腺X射线影像中的同时满足几何约束和语义约束的特征区域进行推理，得到骨干网络的增强特征；以及将特征增强后的所述第一乳腺X射线影像和/或所述第二乳腺X射线影像输入病灶检测神经网络模型，以获取分析结果。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.04 seconds)
