-
公开(公告)号:CN113971658B
公开(公告)日:2022-09-23
申请号:CN202111055322.2
申请日:2021-09-09
Applicant: 北京医准智能科技有限公司
IPC: G06T7/00
Abstract: 本发明实施例公开了一种图像处理方法,方法包括:获取指定图像,指定图像中包括弯曲部位;根据指定图像中的弯曲部位确定若干第一区域;根据若干第一区域的顺序将第一区域沿指定方向依次排布,获得第二区域;根据第一区域和第二区域的对应关系,将第一区域内的图像填充至第二区域中,获得与弯曲部位对应的拉直图像。
-
公开(公告)号:CN115018795A
公开(公告)日:2022-09-06
申请号:CN202210650113.0
申请日:2022-06-09
Applicant: 北京医准智能科技有限公司
Abstract: 本公开提供一种医学影像中的病灶的匹配方法、装置、设备及存储介质,所述方法包括:获取第一医学影像和第二医学影像;基于第一医学影像的特征图、第二医学影像的特征图,分别得到第一医学影像中存在的至少一个第一病灶在第一医学影像中所处的位置、第二医学影像中存在的至少一个第二病灶在第二医学影像中所处的位置;基于各个第一病灶在第一医学影像中所处的位置和在第一医学影像的特征图中的特征、以及各个第二病灶在第二医学影像中所处的位置和在第二医学影像的特征图中的特征,确定在第一医学影像和第二医学影像中表示为同一待诊断部位的同一病灶的第一病灶和第二病灶。实现了两个医学影像中的匹配病灶的识别。
-
公开(公告)号:CN114998607A
公开(公告)日:2022-09-02
申请号:CN202210511777.9
申请日:2022-05-11
Applicant: 北京医准智能科技有限公司
Abstract: 本公开提供了超声图像的特征提取方法、装置、电子设备及存储介质,包括:通过图像特征编码器和文本特征编码器对超声图像和诊断报告进行特征提取,得到图像特征和文本特征;对超声图像和任意诊断报告,根据图像特征和文本特征确定该超声图像与诊断报告之间的第一余弦相似度,根据第一余弦相似度,得到全局损失;对超声图像和其匹配的诊断报告,根据图像特征和文本特征,确定各图像块之间的第二余弦相似度和各句子的第三余弦相似度,根据第二余弦相似度和第三余弦相似度得到图像局部损失和文本局部损失;根据全局损失、图像局部损失和文本局部损失优化图像特征编码器和文本特征编码器;通过优化后的图像特征编码器对待处理的超声图像进行特征提取。
-
公开(公告)号:CN114972376A
公开(公告)日:2022-08-30
申请号:CN202210531996.3
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方法及装置、冠脉钙化斑块的分割模型的训练方法及装置,其中所述分割方法包括:获取目标图像,所述目标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;将目标图像输入至目标模型,得到所述目标模型输出的各冠脉分支的钙化斑块的候选区域;所述各冠脉分支的钙化斑块的候选区域包括多个第一目标体素;基于预设的筛选规则,从所述多个第一目标体素筛选出第二目标体素;基于所述第二目标体素,从目标图像中分割出各冠脉分支的钙化斑块区域。实现了对CSCT图像中的各冠脉分支的钙化斑块区域的准确分割。
-
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。
-
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。
-
-
-
-
-
-
-
-
-