-
公开(公告)号：CN114926471A
公开(公告)日：2022-08-19
申请号：CN202210570543.1
申请日：2022-05-24
Applicant: 北京医准智能科技有限公司
IPC: G06T7/10 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开一种图像分割方法、装置、电子设备及存储介质，包括：获取第一数据集；获取学生模型和教师模型；获取第二标签；利用教师模型从第一数据集中提取第一特征图；利用学生模型从第一数据集中提取第二特征图；根据第一特征图和第二特征图计算第二损失值；利用第二损失值对学生模型的参数进行更新；利用教师模型对第一数据集进行图像分割，得到第一概率图集；利用学生模型对第一数据集进行图像分割，得到第二概率图集；利用第一概率图集、第二概率图集、第一标签和第一预设值计算第一损失值；利用第一损失值对学生模型的参数进行更新，得到多病灶分割模型；利用多病灶分割模型对图像数据进行图像分割，得到多病灶分割结果。
-
公开(公告)号：CN114758360A
公开(公告)日：2022-07-15
申请号：CN202210435881.4
申请日：2022-04-24
Applicant: 北京医准智能科技有限公司
IPC: G06V40/10 , G06V10/40 , G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开提供了一种多模态图像分类模型训练方法、装置及电子设备，包括：确认训练图像集；将训练图像集中的第一超声图像和第一超声造影图像输入至多模态图像分类模型包括的图像序列化模块和特征提取模块中，获得第一超声图像对应的第一特征编码集合和第一超声造影图像对应的第二特征编码集合；将第一特征编码集合和第二特征编码集合输入至多模态图像分类模型包括的多模态聚合模块中，获得第一超声图像和第一超声造影图像对应的分类预测结果；基于第一超声图像和所述第一超声造影图像对应的分类标注结果与分类预测结果之间的差异，调整多模态图像分类模型的参数；其中，所述多模态聚合模块包括多头自注意力层和多层感知机。
-
公开(公告)号：CN114742807A
公开(公告)日：2022-07-12
申请号：CN202210435844.3
申请日：2022-04-24
Applicant: 北京医准智能科技有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/74 , G06K9/62
Abstract: 本公开提供了一种基于X光图像的胸片识别方法、装置、电子设备和介质，包括：获取最优的图像生成器；通过所述最优的图像生成器生成待识别胸片对应的重建胸片，所述重建胸片为肺部健康的胸片，所述待识别胸片为X光图像；根据所述重建胸片对所述待识别胸片进行加强，得到加强胸片；对所述加强胸片进行识别，确定所述待识别胸片是否包含病灶以及包含病灶时的病灶类型。该方法通过最优的图像生成器对待识别胸片进行重建得到健康的重建胸片，根据重建胸片对待识别胸片进行加强，在不依赖额外标签信息的情况下，就得到了待识别胸片中有价值的信息，确定胸片中是否包含病灶，以及包含病灶时识别出更加全面、准确的病灶类型。
-
公开(公告)号：CN114581382A
公开(公告)日：2022-06-03
申请号：CN202210156933.4
申请日：2022-02-21
Applicant: 北京医准智能科技有限公司
Abstract: 本发明公开了一种针对乳腺病灶的训练方法、装置及计算机可读介质，本发明一实施例的方法首先将具有恶性标签的乳腺数据和具有良性标签的乳腺数据均作为训练样本，得到训练样本数据；其中，乳腺数据至少包括乳腺超声图像和对应病例的影响因素量化值；其次针对训练样本数据中任一训练样本：对训练样本中乳腺超声图像进行图像特征提取，得到乳腺图像特征；之后将训练样本中影响因素量化值和乳腺图像特征进行融合处理，得到病灶融合特征；最后对病灶融合特征进行有监督的分类学习，生成病灶分类模型。由此，充分融合了乳腺图像特征和乳腺癌的影响因素量化值，从而提高了模型训练的准确性，使得病灶分类模型能够对乳腺病灶进行准确预测。
-
公开(公告)号：CN114529760A
公开(公告)日：2022-05-24
申请号：CN202210088319.9
申请日：2022-01-25
Applicant: 北京医准智能科技有限公司
IPC: G06V10/764 , G06V10/80 , G06K9/62
Abstract: 本发明公开了一种针对甲状腺结节的自适应分类方法及装置。本发明一实施方式包括：将甲状腺结节对应的目标视频数据作为训练样本；目标视频数据均标注有征象特征标签；目标视频数据包括不同分类标准给出的TIRADS等级的数据组；并对训练样本的征象特征分类进行监督训练，得到征象分类结果和第一损失函数；之后，基于训练样本和征象分类结果，对不同数据对应的TIRADS等级的分类进行监督训练，得到第二损失函数；最后，基于第一损失函数和第二损失函数，对模型进行优化，生成结节分类模型。由此，对训练样本中征象特征分类，以及不同数据对应的TIRADS等级进行有监督的分类训练，提升了模型预测结果的准确率以及模型的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN112489060B
公开(公告)日：2022-05-10
申请号：CN202011428553.9
申请日：2020-12-07
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: 本发明提供了一种肺炎病灶分割的系统及方法，针对不同大小的肺炎病灶，基于图像语义分割模型和图像实例分割模型，并将二者进行融合，应用特征金字塔技术，直接在三维空间中对肺炎病灶进行检测分割，并基于先验知识进一步滤除假阳性病灶，有效地解决了临床肺炎病灶判别中，体积较大病灶与体积较小病灶检出性能不一致的问题，改善了现有方法中体积小的肺炎病灶易漏检，而体积大的肺炎病灶分割效果差的现状，提高了病灶检出结果的灵敏度与特异度。
-
公开(公告)号：CN114202469A
公开(公告)日：2022-03-18
申请号：CN202111334991.3
申请日：2021-11-11
Applicant: 北京医准智能科技有限公司
Abstract: 本发明公开了一种Frangi滤子的超参数选取方法、装置、电子设备及存储介质，包括：从血管区域选定初始体素，建立初始空间，获取初始空间中每个体素的三个特征值，根据特征值选取目标体素；根据初始体素的特征值构建三维坐标系，三维坐标系包括第一坐标轴、第二坐标轴和第三坐标轴；对于三维坐标系中每一坐标轴获取起点，沿该坐标轴正方向进行候选体素的采集；根据目标体素的特征值选取候选体素，将选取的候选体素归入目标体素形成附属空间，根据附属空间获取该坐标轴对应的最优体素；基于第一坐标轴、第二坐标轴，直到获取第三坐标轴最优体素的坐标作为Frangi滤子的超参数。
-
公开(公告)号：CN114041761A
公开(公告)日：2022-02-15
申请号：CN202111258095.3
申请日：2021-10-27
Applicant: 北京医准智能科技有限公司
IPC: A61B5/02
Abstract: 本发明公开了一种冠状动脉起源的判断方法、装置及计算机可读介质，属于图像处理技术领域。该方法包括：获取左冠状动脉准中心线和右冠状动脉准中心线；确定左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；确定右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；基于第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。由此，实现了自动化判断冠状动脉起源，提高了冠状动脉起源判断的准确性。
-
公开(公告)号：CN113763330A
公开(公告)日：2021-12-07
申请号：CN202110941096.1
申请日：2021-08-17
Applicant: 北京医准智能科技有限公司
Abstract: 本发明公开一种血管分割方法、装置、存储介质及电子设备，血管分割方法包括：通过预设尺寸的滑窗在血管图像上进行图像采样，得到多个图像块，相邻的两个图像块的重叠率等于第一阈值；确定图像块中包括血管图像的图像块；将全部包括血管图像的图像块融合，得到候选血管图像块；基于血管图像和候选血管图像块确定目标血管图像块。该分割方法能够尽可能多地召回血管段，得到完整的血管信息；同时移除多余的粘连血管，得到精细血管分割的同时也不会出现断裂的情况。
-
公开(公告)号：CN113256616B
公开(公告)日：2021-10-15
申请号：CN202110695411.7
申请日：2021-06-23
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京医准智能科技有限公司
Abstract: 本发明是关于一种膝关节MRI影像的分类方法和装置，方法包括：获取膝关节的冠状位MRI影像和矢状位MRI影像，并对所述冠状位MRI影像和矢状位MRI影像进行预处理，得到预处理后的冠状位MRI影像和预处理后的矢状位MRI影像；将预处理后的冠状位MRI影像和预处理后的矢状位MRI影像并行输入到SiameseACL网络进行初步分类，以确定所述膝关节的冠状位MRI影像和矢状位MRI影像属于正常样本还是断裂样本；当确定所述膝关节的冠状位MRI影像和矢状位MRI影像属于断裂样本时，通过ResNextACL网络对所述断裂样本进行再次分类，以确定所述断裂样本所属的具体断裂类型。通过该技术方案，可以对膝关节的MRI影像进行具体断裂类型的分类。
-
-
-
-
-
-
-
-
-
Search Results
201
records
(took 0.038 seconds)
