-
公开(公告)号：CN108921825A
公开(公告)日：2018-11-30
申请号：CN201810600716.3
申请日：2018-06-12
Applicant: 北京羽医甘蓝信息技术有限公司
Abstract: 本发明提供一种基于深度学习的检测面部皮肤点状缺陷的方法及装置，其中方法包括：获取训练数据集；构建卷积神经网络，利用训练数据集对卷积神经网络进行训练以得到检测模型，其中，卷积神经网络具有如下特征：对样本进行多层卷积特征提取以得到不同层级的特征图，然后利用多尺寸且多种形状的采样框采样以得到不同层级对应的采样结果，然后针对全体采样结果使用softmax损失函数进行分类并利用L1损失函数预测位置，将计算得到的损失值回传卷积神经网络的前端，采用梯度下降法调整卷积神经网络参数；将待测图像切割成测试图像块，然后将所有测试图像块遍历地输入检测模型以得到对应的图像块检测结果，然后将所有图像块测试结果拼接为完整图像检测结果。
-
公开(公告)号：CN107945181A
公开(公告)日：2018-04-20
申请号：CN201711492182.9
申请日：2017-12-30
Applicant: 北京羽医甘蓝信息技术有限公司
CPC classification number: G06T7/0012 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/194 , G06T2207/20081 , G06T2207/20084 , G06T2207/30068 , G06T2207/30096
Abstract: 本发明提供一种用于乳腺癌淋巴转移病理图像的处理方法和装置。本发明的用于乳腺癌淋巴转移病理图像的处理方法包括：步骤S1：获取范例图像，然后获取范例图像对应的范例图像标定信息；步骤S2：根据范例图像和范例图像标定信息生成训练样本集；步骤S3：根据训练样本集进行深度学习网络的训练和参数优化，得到卷积神经网络模型；步骤S4：利用卷积神经网络模型对测试图像进行测试，检出目标区域。本发明的用于乳腺癌淋巴转移病理图像的处理方法和装置采用深度学习的技术实现图像的自动分类，解决人工阅片分类工作的一致性差、精确度低等技术问题，提高了工作效率，降低了失误概率。
-
公开(公告)号：CN107832838A
公开(公告)日：2018-03-23
申请号：CN201711219680.6
申请日：2017-11-28
Applicant: 北京羽医甘蓝信息技术有限公司
CPC classification number: G06N3/0454 , G01N21/84 , G06N3/08
Abstract: 本发明提供一种评价细胞涂片标本满意度的方法和装置，能够智能客观地对宫颈液基细胞涂片标本满意度进行评价。本发明的一种评价细胞涂片标本满意度的方法包括：基于卷积神经网络技术构建细胞识别模型；利用细胞识别模型对测试细胞标本图像进行细胞识别，得到识别结果；根据识别结果判断测试细胞标本图像是否为满意标本图像。
-
公开(公告)号：CN115546106B
公开(公告)日：2025-04-04
申请号：CN202211082844.6
申请日：2022-09-06
Applicant: 北京羽医甘蓝信息技术有限公司
Abstract: 本发明涉及椎骨和气道的定位技术领域，尤其涉及一种椎骨和气道的定位方法和系统，方法包括：将第一颈椎图像输入到预先训练好的用于识别椎骨的第一语义分割网络模型中，得到第一输出图像，判断第一输出图像中是否包含第三节椎骨和第四节椎骨的完整图像，得到第一判断结果，当第一判断结果为是时，将第一输出图像输入第一HRnet网络模型中，对第三节椎骨和第四节椎骨进行定位，并标注在第一颈椎图像中，同理对气道进行定位，并标注在第二颈椎图像中，能够准确定位出第三节椎骨和第四节椎骨的位置，并标注在第一颈椎图像中，以及能够准确定位出气道的位置，并标注在第二颈椎图像中，便于直观查看，准确度高，省时省力。
-
公开(公告)号：CN115732100A
公开(公告)日：2023-03-03
申请号：CN202211413476.9
申请日：2022-11-11
Applicant: 北京羽医甘蓝信息技术有限公司
IPC: G16H70/20 , G16H30/00 , G06F18/2431 , G06F18/22 , G06F16/2458 , G06T5/00 , G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/08
Abstract: 本发明设计口腔影像处理技术领域，尤其涉及一种自动生成活动义齿设计方案的方法、系统和电子设备，方法包括：获取目标用户的口腔曲面断层全景片；对口腔曲面断层全景片进行数据增强操作；利用训练好的网络模型对经数据增强操作的口腔曲面断层全景片进行识别，得到待修复牙齿的病变情况；根据待修复牙齿的病变情况，构建待修复牙齿对应的决策树；从预设数据库中，匹配出与待修复牙齿对应的决策树相似度最大的目标决策树；当最大相似度大于预设相似度阈值时，将目标决策树对应的活动义齿设计方案确定为待修复牙齿对应的活动义齿设计方案。能够快速且准确地确定待修复牙齿对应的活动义齿设计方案，既能节省医疗资源，还能降低用户的医疗成本。
-
Patent Agency Ranking
公开(公告)号：CN115661458A
公开(公告)日：2023-01-31
申请号：CN202211354895.X
申请日：2022-11-01
Applicant: 北京羽医甘蓝信息技术有限公司
IPC: G06V10/26 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/778 , G06V10/80
Abstract: 本发明属于牙齿图像处理技术领域，提供了一种基于深度学习的牙位识别和牙齿分割方法及系统。其中，该方法包括提取自然光口腔图像的全局和局部特征，得到大小尺度不同的特征图；融合所有尺度的特征图，生成特征金字塔，确定出所有候选的感兴趣区域；对候选的感兴趣区域依次进行过滤和归一化；将归一化的感兴趣区域分别经预先训练的分类模型和实例分割处理，得到每颗牙齿的牙位初步识别结果和实例分割初步结果；对每颗牙齿的实例分割初步结果进行非极大值抑制处理，以确保每颗牙有且只有一颗；根据非极大值抑制处理后的牙齿质心，去除牙位初步识别结果中重复牙位；对去重的牙位进行质心排序，得到最终的牙位识别结果和牙齿分割结果。
-
公开(公告)号：CN109978841B
公开(公告)日：2021-08-03
申请号：CN201910184967.2
申请日：2019-03-12
Applicant: 北京羽医甘蓝信息技术有限公司
Abstract: 本发明提供一种基于深度学习的全景片阻生牙识别方法及装置。该方法包括：将原始全景片输入基于深度学习的牙槽骨线分割模型，以得到牙槽骨线分割结果；根据牙槽骨分割结果生成贴合矩形框，然后根据贴合矩形框生成扩展矩形框，然后根据扩展矩形框从原始全景片中剪裁出牙周区域图像块；将牙周区域图像块输入基于深度学习的阻生牙分割模型，以得到阻生牙分割结果。
-
公开(公告)号：CN109801303A
公开(公告)日：2019-05-24
申请号：CN201811546952.8
申请日：2018-12-18
Applicant: 北京羽医甘蓝信息技术有限公司
IPC: G06T7/136
Abstract: 本发明提供在细胞荧光图像中分割细胞的方法，包括：对细胞荧光图像进行整图级别的、基于自适应阈值分割算法的初级分割；在初级分割结果中进行关于尺寸条件和曲率条件的第一筛选，得到初级确定数据集、初级待定数据集；对初级待定数据集对应的局部图像进行局部图像级别的、基于灰度阈值分割算法的二次分割；在二级分割结果中进行第二筛选，得到二级确定数据集、二级待定数据集；在二级待定数据集对应的局部图像中进行局部图像级别的、基于分水岭分割算法的三次分割；对三次分割结果中进行第三筛选，得到三级确定数据集；将初级确定数据集、二级确定数据集和三级确定数据集合并，以得到细胞分割结果数据集然后输出。
-
公开(公告)号：CN109146897A
公开(公告)日：2019-01-04
申请号：CN201810958999.9
申请日：2018-08-22
Applicant: 北京羽医甘蓝信息技术有限公司
CPC classification number: G06T7/11 , G06T7/155 , G06T2207/30036 , G06T2207/30168
Abstract: 本发明提供一种口腔放射图像质量控制方法及装置，以解决现有技术中的问题，具有自动化、准确可靠的优点。本发明的口腔放射图像质量控制方法，包括：步骤A：提供口腔放射图像，基于卷积神经网络对口腔放射图像识别牙齿区域以及牙齿边缘，然后进行牙齿实例级分割以得到分割结果；步骤B：在分割结果中确定目标牙，然后对目标牙进行形态学分析以得到目标牙形态学特征；步骤C：从口腔放射图像中获取图像整体特征；步骤D：根据目标牙形态学特征和图像整体特征，输出口腔放射图像对应的质控评价结果。
-
公开(公告)号：CN108416379A
公开(公告)日：2018-08-17
申请号：CN201810169962.8
申请日：2018-03-01
Applicant: 北京羽医甘蓝信息技术有限公司
Abstract: 本发明提供一种用于处理宫颈细胞图像的方法和装置。本发明的方法包括：步骤S1：获取范例图像，然后获取范例图像对应的范例图像标定信息；步骤S2：根据范例图像和范例图像标定信息生成样本集；步骤S3：根据样本集进行深度学习网络的训练和参数优化，得到卷积神经网络模型；步骤S4：利用卷积神经网络模型对测试图像进行测试，检出目标区域及其分类结果。本发明的方法和装置采用深度学习的技术实现图像的自动分类，解决人工阅片分类工作的一致性差、精确度低等技术问题，提高了工作效率，降低了失误概率。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.032 seconds)
